Исследование Земли из Космоса, 2023, № 1, стр. 41-52

ВВЕДЕНИЕ

Золотодобыча на рудных и россыпных месторождениях сопровождается значительным воздействием на природную среду, в частности загрязнением рек взвешенными веществами (Чупаченко, 2020; Gallo Corredor et al., 2021) и тяжелыми металлами (Радомская, Радомский, 2014; Jarsjö et al., 2017), нарушением земель, в том числе обезлесением и изъятием сельскохозяйственных угодий (Schueler et al., 2011). В регионах с суровым климатом и сплошным распространением многолетней мерзлоты, к числу которых относится Северо-Восток России, восстановление ландшафтов на нарушенных участках занимает продолжительное время, что усугубляет перечисленные проблемы. Это связано с существенным изменением геокриологических условий нарушенных полигонов, антропогенным изменением таликовых зон и процессов водообмена в долинах рек. Экологическое состояние нарушенных ландшафтов определяется характером проявления криогенных процессов – термокарста, солифлюкции, морозного пучения (Иванов, 2013).

Магаданская область занимает первое место в России по добыче россыпного золота (Добыча…, 2022). Объем добычи увеличился с 14.5 т. в 2013 г. до 19.8 т. в 2021 г., что ведет к обострению существующих экологических проблем. По объему добычи рудного золота наблюдался еще более значительный рост (в 4.5 раза за 8 лет). С учетом значительной площади нарушенных земель, возрастает необходимость их регулярного спутникового мониторинга, а также оценки восстановления растительного покрова на ранее отработанных участках месторождений. При этом следует учитывать, что процессы восстановления на отвалах, сформированных в результате дражной золотодобычи, протекают существенно дольше, чем на обычных отвалах, сформированных при разработке карьерным способом. В случае карьерной добычи грунт, который снимается с поверхности, содержит в себе семена растений – представителей местной флоры. Как только процесс разработки останавливается, начинается процесс восстановления растительности. В случае дражной золотодобычи мелкозернистый грунт, который является наиболее благоприятным для восстановления растительности, погребается под гравийной, хорошо промытой смесью, не содержащей никаких семян (Беликович, 2001).

Также при золотодобыче в реки поступают значительные объемы взвешенных веществ, которые распространяются вниз по течению на десятки и сотни км от источников – перерабатываемых драгой участков русел и пойм. Выявление и оценка масштабов загрязнения водотоков в труднодоступных районах также возможна по спутниковым снимкам, (Чупаченко, 2020). Данные наземного мониторинга загрязнения вод, связанного с золотодобычей, крайне ограничены ввиду редкости сети гидропостов, на большинстве которых не производятся измерения концентрации взвешенных веществ и мутности воды.

С учетом перечисленных проблем, цель настоящей работы состоит в выявлении дешифровочных признаков и картографировании нарушения земель и загрязнения водных объектов золотодобывающими предприятиями Магаданской области по многолетним рядам спутниковых снимков Landsat и Sentinel-2.

ДАННЫЕ И МЕТОДЫ

Оценка нарушения земель и восстановления растительного покрова. В качестве области исследования были выбраны долины рек Сусуман, Берелёх и Колыма в пределах Сусуманского, Тенькинского и Ягоднинского районов Магаданской области (рис. 1). В долине р. Берелёх расположены крупнейшие месторождения россыпного золота (Страницы истории…, 2018), вследствие активной разработки которых обширные участки земель нарушены золотодобычей.

Рис. 1.

Географическое положение ключевого участка.

Анализ динамики нарушенности земель выполнен по многолетнему архиву данных со спутников серии Landsat (сенсоров TM, ETM+, OLI), путем расчета нормализованного разностного вегетационного индекса NDVI. Из архива были отобраны безоблачные изображения за 2000, 2001, 2009–2011, 2013–2021 гг. уровня обработки Level2 (с выполненной атмосферной коррекцией). Такой набор наблюдений позволяет в полной мере проследить развитие процессов нарушения земель на изучаемой территории. Сплошное покрытие безоблачными изображениями для каждого года создать не удалось.

Выбор NDVI для анализа нарушения земель обусловлен тем, что он позволяет успешно выделить участки открытого грунта, для которых значения индекса близки к нулю, от участков, покрытых растительностью (Ding et al., 2016). Помимо NDVI, применяются другие критерии для обнаружения нарушенных земель по снимкам оптического диапазона, в частности повышенная температура поверхности нарушенных участков (Краснощеков и др., 2022), или низкие значения нормализованного разностного водного индекса NDWI, указывающие на низкую влажность поверхности нарушенных земель в сравнении с ненарушенными (Корниенко, 2022). В настоящей работе применение этих критериев было нецелесообразным, т.к. тепловые каналы Landsat имеют более низкое пространственное разрешение, чем данные в видимом, ближнем и среднем ИК диапазонах, а также на нарушенных участках широко распространены техногенные водоемы (что не позволяет применять NDWI). Выделение нарушенных земель в настоящей работе производилось на основе пороговых значений NDVI, которые определялись для каждого изображения отдельно. Важно отметить, что помимо земель, нарушенных в результате золотодобычи, низкие значения NDVI имеют другие участки, лишенные растительности, в частности курумы и отмели на реках. Для исключения таких участков, результат автоматизированного выделения редактировался экспертным путем.

Анализ динамики NDVI позволяет выявить новые участки нарушения земель, связанные с золотодобычей и лишенные растительности, а также проследить процесс зарастания для отработанных участков. В работе выполнен расчет разностей значений NDVI между покрытиями за 2001, 2009/2010 и 2021 гг. для ряда ключевых районов. Из значений за 2009/2010 г. вычитались значения 2001 г., а из значений 2021 г – значения 2009/2010 и 2001 гг. Отрицательные значения полученных разностей соответствуют нарушенным в ходе добычи землям. На их основе было проведено маскирование таких участков. В качестве порогового значения при создании маски изменений использовалось значение разности NDVI менее –0.05.

Также были использованы снимки высокого пространственного разрешения с открытых картографических сервисов, по которым выделены дешифровочные признаки участков активной золотодобычи (рис. 2, а) и отработанных участков (рис. 2, б). Для действующих участков характерны признаки появления новых отвалов (разный оттенок отвалов породы на синтезированных изображениях); развитая дорожная сеть в пределах участка с признаками активного использования (отсутствие следов зарастания); высокая мутность воды в реках и водоемах-отстойниках. По многолетним архивам снимков обнаруживается быстрое увеличение площади разработки в течение нескольких лет. В свою очередь, отработанные участки отличаются признаками зарастания отвалов и объектов инфраструктуры (грунтовых дорог), уменьшением концентрации взвешенных частиц в речной воде и водоемах-отстойниках, что ведет к снижению ее яркости в красной зоне спектра. При анализе многолетних архивов космических снимков не наблюдается увеличения площади разработок.

Рис. 2.

Фрагменты снимков сверхвысокого разрешения с открытого картографического сервиса ArcGIS Imagery на участки активной золотодобычи (а) и отработанные участки (б).

Оценка загрязнения воды взвешенными веществами. Важнейшим признаком загрязнения рек при золотодобыче является высокая мутность воды, обусловленная поступлением взвешенных веществ. По мере роста их концентрации яркость водной поверхности в видимых каналах спектра возрастает, что позволяет выявить такое загрязнение по спутниковым снимкам. Первые публикации о возможности изучения распространения взвесей по данным спутниковой съемки появились еще в 1970-х гг. (Ritchie et al., 1976; Лабутина, Сафьянов, 1980). Была обнаружена линейная зависимость между коэффициентами спектральной яркости (КСЯ) водной поверхности в видимом диапазоне и концентрацией взвешенных веществ (Total Suspended Matter, TSM).

Количественные оценки мутности воды и TSM по спутниковым данным основаны на методах различной сложности. В ряде работ предложены простые регрессионные модели, позволяющие рассчитать значение TSM на основе КСЯ водной поверхности по спутниковым снимкам (Лабутина, Тарасов, 2018; Ле Хунг Чинь и др., 2020; Tripathi et al., 2020). Их общим недостатком является необходимость калибровки для каждого конкретного водотока. Также применяются физически-обоснованные модели (Nechad et al., 2010) или нейронные сети (Chen et al., 2015). Алгоритмы спутниковой оценки TSM могут существенно различаться для морских акваторий, озер и рек (Liu et al., 2019).

В настоящей работе для расчета TSM использован модуль The Case 2 Regional Coast Color Processor (C2RCC Processor, Brockmann et al., 2016), разработанный для программного пакета ESA SNAP версии 8.0. Алгоритм расчета TSM и других характеристик водной поверхности основан на моделировании переноса излучения. Расчеты выполняются набором нейронных сетей, которые позволяют восстановить количественные характеристики состояния поверхностных вод на основе коэффициентов спектральной яркости водной поверхности, полученных после атмосферной коррекции, и восстановленных коэффициентов поглощения и рассеяния излучения. Процедура атмосферной коррекции методом Sen2Cor также включена в функциональность модуля, т.е. на вход для расчетов подаются данные сенсора MSI уровня обработки L1B. Опыт применения модуля C2RCC Processor для оценки мутности и TSM в пресных водах представлен в работах (Neves et al., 2021; Nazirova et al., 2021) и в ряде других.

При расчете TSM в модуле C2RCC Processor необходимо задать значения ряда параметров. Большинство из них были приняты по умолчанию, за исключением солености (задана равной 0.01 ppm), высоты местности (400 м над уровнем моря, что близко к урезу Колымского вдхр.), атмосферного давления, приведенного к уровню моря (1010 гПа) и температуры воды (задано значение 5°С). Расчет выполнен с помощью набора нейронных сетей C2RCC-nets. В результате получены значения TSM, а также степень его неопределенности для каждого пиксела водной поверхности с пространственным разрешением 20 м.

Расчеты выполнены по 27 сценам Sentinel-2, которые относятся к двум ячейкам глобальной сетки (T55VEK и T55VEJ) и покрывают исследуемый участок от г. Сусуман до Колымского вдхр. Получены снимки за весь период действия съемочной системы Sentinel-2 (с 2016 по 2021 гг.). Самой ранней датой съемки стало 18 июня, а самой поздней – 12 сентября. Из-за относительно благоприятных условий по облачности, наблюдавшихся в 2021 г., 12 из 27 проанализированных сцен приходится на этот год.

Для оценки изменчивости мутности воды во времени были выделены 10 тестовых полигонов в пределах русел рек Берелех, Аян-Юрях, Колыма, а также на Колымском вдхр. Эти участки расположены выше и ниже по течению от источников загрязнения, или от мест впадения загрязненных притоков, а их площадь составляет от 18 до 473 тыс. м². В пределах этих участков были рассчитаны средние значения TSM по снимкам.

Для оценки изменения мутности вниз по течению от основного источника загрязнения также был построен “профиль” вдоль рек Берелех, Аян-Юрях и Колыма, от г. Сусуман до Колымского вдхр. Профиль состоит из 22-х точек с шагом 10 км, для каждой из которых также были извлечены значения TSM. Аналогичный подход ранее применялся для визуализации распространения загрязнения от изливов кислых шахтных вод (Pyankov et al., 2021).

РЕЗУЛЬТАТЫ И ИХ ОБСУЖДЕНИЕ

Анализ динамики площади нарушенных земель. Анализ динамики значений NDVI в течение 2000–2021 гг. позволил определить период, когда началась активная золотодобыча в пределах исследуемого ключевого района. Так, на Наталкинском золоторудном месторождении в Тенькинском районе в период с 2000 по 2010 гг. не наблюдалось увеличения площади разработок (рис. 3). Следует отметить, что разность в значениях NDVI между 2001 и 2009 гг. близка к нулю для большей части исследуемой территории. Это свидетельствует о том, что в данный период в рассматриваемом регионе не проводилось расширение участков золотодобычи. С 2014 г. появляются первые признаки увеличения площади золотодобычи, а с 2016 по 2021 гг. – значительный рост темпов разработки. В период с 2010 г. по 2021 г. площадь земель, нарушенных при золотодобыче, увеличилась с 35 до 74 км². Такая картина характерна для многих районов золотодобычи в пределах выбранного ключевого участка Магаданской области и соответствует опубликованным данным о динамике объемов добычи россыпного золота (Добыча, 2022).

Рис. 3.

Динамика NDVI на участках освоения Наталкинского золоторудного месторождения по спутниковым снимкам Landsat за период 2000 – 2021 гг.

На рис. 4 приведены фрагменты космических снимков Landsat-7 за 22.09.2001 и Landsat-8 за 12.09.2021 на территорию россыпного месторождения золота к востоку от закрытого поселка Нексикан. Фрагмент выделенной маски нарушенных при золотодобыче земель за период с 2001 по 2021 гг., приведен на рис. 4, в. На основе такой маски и были рассчитаны площади нарушенных земель, а также определены их основные границы.

Рис. 4.

Фрагменты снимков Landsat за разные годы: а) за 2001 год; б) за 2021 год; в) область нарушения земель при россыпной добыче золота, выделенная на основе разности NDVI, показана красным.

На территории Тенькинского района площадь нарушенных земель в период с 2001 по 2021 год увеличилась с 70 до 507 км², в то же время в целом по территории трех районов получить такую оценку не удалось из-за отсутствия полного покрытия безоблачными снимками за 2001 г. По итогам анализа значений NDVI составлена картографическая база данных нарушенных земель для выбранных ключевых участков (рис. 5). Общая площадь нарушенных земель составила 2278 км² (2% от общей площади Сусуманского, Ягоднинского и Тенькинского районов), из которых на 221.8 км² (почти 10% от площади нарушенных земель) наблюдаются процессы восстановления растительности.

Рис. 5.

Положение участков нарушенных земель. Черным показаны отвалы, где процессы восстановления растительности не наблюдаются; зеленым – отвалы с явными признаками восстановления растительности.

Анализ мутности воды и ее изменчивости со временем

По снимкам Sentinel-2 за 2016–2021 гг. установлено, что основным источником загрязнения рек Сусуманского и Тенькинского районов в настоящее время являются разрабатываемые россыпные месторождения золота в пойме р. Берелёх. Также разработки ведутся в пойме р. Омчак, но ширина водотока здесь недостаточна для того, чтобы оценить мутность по снимкам с пространственным разрешением 20 м, поэтому мутность воды р. Омчак не анализировалась. Крупнейший источник загрязнения находится в 10–15 км выше впадения р. Берелёх в р. Аян-Юрях. При слиянии этих рек отмечается значительное различие в мутности воды (рис. 6). Далее вода с высокой мутностью распространяется вниз по течению рек Аян-Юрях и Колыма вплоть до Колымского водохранилища, т.е. более чем на 200 км.

Рис. 6.

Фрагмент снимка Sentinel-2 за 19.07.2021 г. в комбинации каналов NIR-Red-Green на участок у слияния рек Аян-Юрях и Берелёх (а), и расчетные значения TSM в воде (б).

В 2021 г. было получено 5 безоблачных снимков на данную территорию за период с конца июня по сентябрь. Рассчитанное по этим снимкам значение TSM в воде р. Аян-Юрях ниже впадения загрязненной р. Берелех в 2–10 раз превышало аналогичное значение, оцененное выше по течению от впадения этого притока. Максимальное значение TSM (115.4 г/м³) отмечалось 29 июня 2021 г. Однако ранее, в 2017–2019 гг., мутность воды р. Аян-Юрях выше и ниже по течению от устья р. Берелёх была сопоставимой (рис. 7, а). Это указывает на повышение значимости р. Берелёх как источника загрязнения именно в последние два года.

Рис. 7.

Расчетные значения TSM по снимкам Sentinel-2 на тестовых участках вблизи слияния рек Аян-Юрях и р. Берелёх (а), р. Аян-Юрях и р. Кулу (б).

При слиянии р. Аян-Юрях и Кулу (дающих начало р. Колыма) также обнаруживается резкое повышение TSM (от 1.7 до 16 раз, в зависимости от даты съемки). Причем эта закономерность не менялась на протяжении последних шести лет (с 2016 г.). В пойме р. Кулу разработка россыпных месторождений не ведется, поэтому мутность воды может рассматриваться как фоновая (рис. 7, б).

Как следует из рис. 7, значения TSM в загрязненных реках испытывают сильные внутригодовые и межгодовые колебания. Если межгодовая изменчивость может быть связана с увеличением площади разработок в пойме р. Берелёх, то внутригодовая изменчивость, вероятно, обусловлена режимом стока, т.е. мутность растет с увеличением расходов воды. Так, при сравнении расчетных значений TSM с данными об уровнях воды на гидропосту р. Колыма – с. Оротук (положение которого показано на рис. 1) отмечается максимум TSM в период спада весеннего половодья (29.06.2021). Минимумы приходятся на маловодные периоды в июле, августе и сентябре, а 31 августа отмечается существенный рост мутности, совпадающий с кратковременным подъемом уровня воды в реке из-за дождей (рис. 8, а). При этом растут также и фоновые значения мутности (выше впадения загрязненных притоков).

Рис. 8.

Динамика расчетных значений TSM по снимкам Sentinel-2 и уровня воды по данным гидропоста р. Колыма – с. Оротук (а), и изменения расчетных TSM вниз по течению рек от г. Сусуман до Колымского вдхр. (б). Данные за летний период 2021 г.

Изменения мутности воды от г. Сусуман до Колымского вдхр., оцененные по снимкам Sentinel-2 за 2021 г., имеют в основном согласованный характер (рис. 8, б). Минимальные значения TSM во всех случаях отмечались вблизи г. Сусуман, т.е. выше по течению от источников загрязнения, а максимальные – ниже по течению от него, т.е. вблизи слияния рек Аян-Юрях и Берелех. Этот максимум наиболее хорошо выражен в случае 29.06.2021 г., когда наблюдались самые высокие значения TSM. Далее мутность снижается в связи с разбавлением воды ниже слияния рек Кулу и Аян-Юрях. В случае 12.09.2021 г. распределение мутности было иным – максимум ниже источников загрязнения почти не выражен, а самое высокое расчетное значение TSM (28 г/м³) отмечалось уже вблизи Колымского вдхр, т.е. на удалении более 100 км от источников загрязнения, что указывает на их незначительный вклад в общую мутность воды.

ЗАКЛЮЧЕНИЕ

Основным результатом проведенного исследования является оценка современной площади нарушенных земель в трех районах Магаданской области – Сусуманском, Ягоднинском и Тенькинском. На основе экспертного дешифрирования и анализа значений NDVI установлено, что около 2% площади района исследования нарушены в результате золотодобычи, из них только для 10% наблюдаются процессы восстановления растительности. На территории Тенькинского района выявлено увеличение площади нарушенных земель более чем в 7 раз за период 2001–2021 гг., что обусловлено увеличением площади разработок.

Также в результате исследования мутности воды по снимкам Sentinel-2 с применением модуля C2RCC Processor установлено, что основным источником загрязнения рек взвешенными веществами на территории Сусуманского и Тенькинского районов в настоящее время являются разрабатываемые россыпные месторождения золота в пойме р. Берелёх. Повышенные относительно фона концентрации взвешенных веществ в воде сохраняются вплоть до Колымского вдхр., т.е. почти на 200 км от источника загрязнения. Расчетные значения TSM в воде ниже источника загрязнения повышаются в 2–16 раз, при этом сезонная изменчивость определяется гидрологическими условиями (мутность уменьшается в период межени и растет при высоких уровнях воды). Дальнейшие исследования в данном направлении предполагают проведение полевой верификации полученных оценок TSM, а также выявление значимых источников загрязнения вод в других районах Магаданской области.