2026 г., № 3 Раздел: Методология и методы исследований. Модели и прогнозы
Использование данных Landsat-8 для классификации и выделения отвалов вскрышных пород
А.А. Перевощикова, Н.А. Кобелев, Т.С. Бачурин
С помощью материалов дистанционного зондирования Земли (спутник Landsat-8) произведена классификация землепользования с выделением отвалов вскрышных пород на закрытом месторождении угля и на разрабатываемом месторождении калийно-магниевых солей. Классификация землепользования на основе снимков дистанционного зондирования – сложная задача, однако точная классификация пикселей в соответствии с классом землепользования представляет собой значительную проблему, которую может решить интерактивная контролируемая классификация. Настоящее исследование было сосредоточено на двух крупных месторождениях полезных ископаемых Пермского края: Кизеловский угольный бассейн – территории посёлков Углеуральский и Шахтный, город Кизел и его микрорайон Рудничный, а также посёлок Шахта; Верхнекамское месторождение солей – окрестности городов Соликамск и Березники. Исследуемые территории были разделены на семь классов землепользования: отвальные территории, водные объекты, сельскохозяйственные участки, пустоши, хвойные леса, смешанные леса, урбанизированные территории. Результаты показали, что площадь шахтных отвалов, выделенных методом интерактивной контролируемой классификации, составила 162,8 га, а площадь эталона – 153,3 га. Площадь солеотвалов, выделенных методом интерактивной контролируемой классификации, составила 927,9 га, а площадь эталона – 891,4 га. Исследование подчёркивает важность использования изображений дистанционного зондирования для решения проблем, связанных с классификацией землепользования на основе обработки пикселей, являясь одним из этапов экодиагностики, которая позволяет получать объективную информацию о состоянии окружающей среды в местах разработки месторождений полезных ископаемых для прогнозных целей. Применение интерактивной контролируемой классификации даёт возможность более точно определять площади отвалов и анализировать пространственное распределение классов землепользования в горнодобывающих районах Пермского края, что способствует развитию методов точного анализа землепользования с потенциальным применением в различных областях, таких как городское планирование, экологический мониторинг и управление ресурсами.
1. Ашихмина Т.Я., Менялин С.А., Мамаева Ю.И., Новикова Е.А., Кантор Г.Я. Экологический контроль и мониторинг окружающей природной среды в районе объекта уничтожения химического оружия «Марадыковский» Кировской области // Теоретическая и прикладная экология. 2010. № 1. С. 57–64. doi: 10.25750/1995- 4301-2010-1-057-064
2. Lu D., Weng Q. A survey of image classification methods and techniques for improving classification performance // Int. J. Remote Sens. 2007. V. 28. No. 5. P. 823–870. doi: 10.1080/01431160600746456
3. Tilton III E.L. Marine resources // Third Earth Resources Technology Satellite symposium: proceedings. V. III. Greenbelt, Maryland: Goddard space flight centre, 1974. P. 83–104.
4. Parks N.F., Petersen G.W., Baumer G.M. High resolution remote sensing of spatially and spectrally complex coal surface mines of central Pennsylvania: a comparison between simulated SPOT MSS and Landsat-5 Thematic Mapper // Photogramm. Eng. Remote Sens. 1987. V. 53. No. 4. P. 415–420.
5. Shafri H.Z.M., Ramle F.S.H. A comparison of support vector machine and decision tree classifications using satellite data of Langkawi Island // Information Technology Journal. 2009. V. 8. No. 1. P. 64–70. doi: 10.3923/itj.2009.64.70
6. Foody G.M., Mathur A. A relative evaluation of multiclass image classification by support vector machines // IEEE Trans. Geosci. Remote Sens. 2004. V. 42. No. 6. P. 1335–1343. doi: 10.1109/TGRS.2004.827257 7. Zhang X., Wang Y., Zhang N., Xu D., Chen B. Research on scene classification method of high-resolution remote sensing images based on RFPNet // Appl. Sci. 2019. V. 9. No. 10. Article No. 2028. doi: 10.3390/app9102028
8. Demirel N., Emil M.K., Duzgun H.S. Surface coal mine area monitoring using multi-temporal high-resolution satellite imagery // Int. J. Coal Geol. 2011. V. 86. No. 1. P. 3–11. doi: 10.1016/j.coal.2010.11.010
9. Usikov V.I., Lipina L.N. Geoecological assessment of the Malyi Khingan ridge area using land surface remote sensing data // Journal of Mining Science. 2018. V. 54. No. 2. P. 323–328. doi: 10.1134/S1062739118023690
10. Чащин А.Н., Кондратьева М.А. Использование данных дистанционного зондирования для оценки темпов самозарастания угольных отвалов Кизеловского бассейна // Географический вестник. 2019. № 2 (49). С. 135–147. doi: 10.17072/2079-7877-2019-2-135-147
11. Галченко Ю.П., Калабин Г.В., Озарян Ю.А. Методика геоинформационного мониторинга природно-технических систем на основе данных дистанционного зондирования // Известия Тульского государственного университета. Науки о Земле. 2020. № 1. С. 68–78. doi: 10.46689/2218-5194-2020-1-1-68-78
12. Tang J., Liang J., Yang Y., Zhang S., Hou H., Zhu X. Revealing the structure and composition of the restored vegetation cover in semi-arid mine dumps based on LiDAR and hyperspectral images // Remote Sens. 2022. V. 14. No. 4. Article No. 978. doi: 10.3390/rs14040978
13. Torres R.N., Fraternali P. Learning to identify illegal landfills through scene classification in aerial images // Remote Sens. 2021. V. 13. No. 22. Article No 4520. doi: 10.3390/rs13224520
14. Петкова Н.В., Корниенко Б.Я. Методы ГИС в мониторинге техногенной нарушенности земель Свердловского угольного района (Луганская область) // Экология. Экономика. Информатика. Серия: Геоинформационные технологии и космический мониторинг. 2020. Т. 2. № 5. С. 43–49. doi: 10.23885/2500-123X-2020-2-5-43-49
15. Зеньков И.В., Нефедов Н.Б., Морин А.С., Кирюшина Е.В., Вокин В.Н., Веретенова Т.А., Кондрашов П.М., Павлова П.Л., Брежнев Р.В. Технологиярекультивации земель при разработке угольных месторождений в северных регионах России // Уголь. 2020. № 4. С. 62–67. doi: 10.18796/0041-5790-2020-4-62-67
16. Kumar A. A Promising automatic system for studying of coal mine surfaces using Sentinel-2 data to assess a classification on a pixel-based pattern // J. Min. Environ. 2024. V. 15. No. 1. P. 41–54. doi: 10.22044/jme.2023.13064.2380
17. Литвинцев В.С., Усиков В.И., Озарян Ю.А., Алексеев В.С. Метод дистанционного зондирования Земли в составе работ по оценке объёмов техногенного сырья и экологической обстановки при эксплуатации россыпей // Георесурсы. 2021. Т. 23. № 4. С. 116–123. doi: 10.18599/grs.2021.4.13
18. Сайб Е.А., Безбородова А.Н., Соловьёв С.В., Миллер Г.Ф., Филимонова Д.А. Выявление разново- зрастных залежей на эрозионно-опасных территорияхюга Западной Сибири с применением геоинформационных технологий // Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. № 4. С. 129–136. doi: 10.21046/2070-7401-2020-17-4-129-136
19. Aslam B., Maqsoom A., Tahir M.D., Ullah F., Rehman M.S.U., Albattah M. Identifying and ranking landfill sites for municipal solid waste management: An integrated remote sensing and GIS approach // Buildings. 2022. V. 12. No. 5. Article No. 605. doi: 10.3390/buildings12050605
20. Максимович Н.Г., Пьянков С.В. Кизеловский угольный бассейн: экологические проблемы и пути решения. Пермь: Раритет-Пермь, 2018. 288 с.
21. Перевощикова А.А., Перевощиков Р.Д., Малышкина Е.Е., Митракова Н.В. Управление отходами калийных горнодобывающих предприятий // Известия Томского политехнического университета. Инжиниринг георесурсов. 2024. Т. 335. № 1. С. 19–35. doi: 10.18799/24131830/2024/1/4387
22. Митракова Н.В., Хайрулина Е.А., Блинов С.М., Перевощикова А.А. Эффективность рекультивации кислых сульфатных почв в районах угледобычи // Записки Горного института. 2023. T. 260. С. 266–278. doi: 10.31897/PMI.2023.31
23. Ushakova E., Perevoshchikova A., Menshikova E., Khayrulina E., Perevoshchikov R., Belkin P. Environmental aspects of potash mining: a case study of the Verkhnekamskoe potash deposit // Mining. 2023. V. 3. No. 2. P. 176–204. doi: 10.3390/mining3020011
24. Тематическое дешифрирование и интерпретация космических снимков среднего и высокого про- странственного разрешения [Электронный ресурс] http://www.psu.ru/files/docs/science/books/uchebnieposobiya/ shikhov-gerasimov-ponomarchuk-perminova-tematicheskoe-deshifrirovanie-i-interpretaciya-kosmicheskih-snimkov.pdf (Дата обращения: 15.05.2024).
25. Митракова Н.В., Хайрулина Е.А., Порошина Н.В., Перминова А.А., Малышкина Е.Е. Классификация и свойства почв, образовавшихся на рекультивированных угольных отвалах Кизеловского угольного бассейна // Теоретическая и прикладная экология. 2022. № 4. С. 180–187. doi: 10.25750/1995-4301-2022-4-180-187
26. U.S. Geological Survey [Электронный ресурс] https://earthexplorer.usgs.gov/ (Дата обращения: 15.05.2024).
Сведения о финансировании:
Работа выполнена при поддержке Российского научного фонда (проект № 24-27-00324).
ISSN 1995-4301
Выбор параметров просмотра
