Теоретическая и прикладная экология1995-43012618-840610.25750/1995-4301-2026-3-031-038OtherИспользование данных Landsat-8 для классификации и выделения отвалов вскрышных породUsing Landsat-8 data for classification and delineation of overburden dumpsПеревощиковаА. А.PerevoshchikovaA. A.aaperevoshchikova@yandex.ruhttps://orcid.org/0000-0003-1769-7740КобелевН. А.KobleevN. A.https://orcid.org/0009-0007-3129-5568БачуринТ. С.BachurinT. S.https://orcid.org/0009-0008-1825-5091Perm National Research Polytechnic UniversityPermRussiaPerm State National Research UniversityPermRussiaПермский национальный исследовательский политехнический университетПермьРоссияПермский государственный национальный исследовательский университетПермьРоссия2909202633138http://www.envjournal.ru/arhvr.php?q=863

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 калино-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.

Coal Basin (encompassing the areas of Ugleralskiy and Shakhtny villages, Kizel with its Rudnichnyy microdistrict, and Shakhta village) and the Verkhnekamskoe Potash Deposit (near Solikamsk and Berezniki). The study areas were divided into seven distinct land use categories: waste dumps, water bodies, agricultural lands, bare lands, coniferous forests, mixed forests, and urban areas. The findings showed that the extent of mine dumps, as identified through the interactive supervised classification, covered 162.8 hectares, with a reference area of 153.3 hectares. The salt dump area, as determined by the interactive supervised classification, covered a total of 927.9 hectares, with a reference area of 891.4 hectares. This study emphasizes the significance of employing remote sensing data for addressing challenges related to pixel-oriented land use classification. This represents one of the phases in environmental diagnostics that facilitates the acquisition of objective data regarding the environmental conditions in areas undergoing the extraction of mineral resources for forecasting. The application of interactive supervised classification offers significant insights regarding the extent of waste areas and the category distribution within the studied mining areas of Perm Krai. It promotes the advancement of precise land use analysis techniques that may be applied across diverse fields, including urban development, ecological surveillance, and resource management.

угольное месторождениеместорождение солейдистанционное зондированиеинтерактивная контролируемая классификацияземлепользованиеcoal depositsalt depositremote sensinginteractive supervised classificationland useРабота выполнена при поддержке Российского научного фонда (проект № 24-27-00324).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- 4301-2010-1-057-064Lu 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: 10.1080/01431160600746456Tilton III E.L. Marine resources // Third Earth Resources Technology Satellite symposium: proceedings. V. III. Greenbelt, Maryland: Goddard space flight centre, 1974. P. 83–104.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.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.2009.64.70Foody 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/app9102028Demirel 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.2010.11.010Usikov 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/S1062739118023690Чащин 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: 10.17072/2079-7877-2019-2-135-147Галченко 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: 10.46689/2218-5194-2020-1-1-68-78Tang 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/rs14040978Torres 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/rs13224520Петкова 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-2020-2-5-43-49Зеньков 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: 10.18796/0041-5790-2020-4-62-67Kumar 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.2023.13064.2380Литвинцев 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.2021.4.13Сайб 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: 10.21046/2070-7401-2020-17-4-129-136Aslam 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/buildings12050605Максимович Н.Г., Пьянков С.В. Кизеловский угольный бассейн: экологические проблемы и пути решения. Пермь: Раритет-Пермь, 2018. 288 с.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: 10.18799/24131830/2024/1/4387Митракова 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.2023.31Ushakova 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/mining3020011Тематическое 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).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: 10.25750/1995-4301-2022-4-180-187U.S. Geological Survey [Электронный ресурс] https://earthexplorer.usgs.gov/ (Дата обращения: 15.05.2024).Ashikhmina T.Ya., Menyalin S.A., Mamaeva Yu.I., Novikova E.A., Kantor G.Ya. Environmental ecological control and monitoring in the vicinity of the chemical weap- ons decommission plant “Maradikovsky” in Kirov Region // Theoretical and Applied Ecology. 2010. No. 1. P. 57–64 (in Russian). doi: 10.25750/1995-4301-2010-1-057-064Lu 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: 10.1080/01431160600746456Tilton III E.L. Marine resources // Third Earth Resources Technology Satellite symposium: proceedings. V. III. Greenbelt, Maryland: Goddard space flight centre, 1974. P. 83–104.Parks N.F., Petersen G.W., Baumer G.M. High res- olution 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.Shafri H.Z.M., Ramle F.S.H. A comparison of sup- port vector machine and decision tree classifications using satellite data of Langkawi Island // Information Techno- logy Journal. 2009. V. 8. No. 1. P. 64–70. doi: 10.3923/ itj.2009.64.70Foody G.M., Mathur A. A relative evaluation of mul- ticlass image classification by support vector machines // IEEE Trans. Geosci. Remote Sens. 2004. V. 42. No. 6. P. 1335–1343. doi: 10.1109/TGRS.2004.827257Zhang X., Wang Y., Zhang N., Xu D., Chen B. Re- search on scene classification method of high-resolution re- mote sensing images based on RFPNet // Appl. Sci. 2019. V. 9. No. 10. Article No. 2028. doi: 10.3390/app9102028.Demirel N., Emil M.K., Duzgun H.S. Surface coal mine area monitoring using multi-temporal high-reso- lution satellite imagery // Int. J. Coal Geol. 2011. V. 86. No. 1. P. 3–11. doi: 10.1016/j.coal.2010.11.010Usikov 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/S1062739118023690Chashchin A.N., Kondrateva M.A. Using remote sens- ing data to assess the self-overgrowth rates of coal dumps in the Kizel Basin // Geographical Bulletin. 2019. No. 2. P. 135–147 (in Russian). doi: 10.17072/2079-7877-2019-2-135-147Galchenko Yu.P., Kalabin G.V., Ozaryan Ju.A. Use of remote sensing data in geoinformation monitoring of natural-technical systems // News of the Tula state university. Sciences of Earth. 2020. No. 1. P. 68–78 (in Russian). doi: 10.46689/2218-5194-2020-1-1-68-79Tang 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/rs14040978Torres R.N., Fraternali P. Learning to identify illegal landfills through scene classification in aerial im- ages // Remote Sen. 2021. V. 13. No. 22. Article No 4520. doi: 10.3390/rs13224520Petkova N.V., Kornienko B.Ya. GIS methods in monitoring technogenic disturbance of land in the Sverd- lovsk coal district (Lugansk region) // Ecology. Economy. Informatics. Series: Geoinformation technologies and space monitoring. 2020. V. 2. No. 5. P. 43–49 (in Russian). doi: 10.23885/2500-123X-2020-2-5-43-49Zenkov I.V., Nefedov N.B., Morin A.S., Kiryushi- na E.V., Vokin V.N., Veretenova T.A., Kondrashov P.M., Pavlova P.L., Brezhnev R.V. Land remediation technology in the development of coal deposits in the northern regions of Russia // Russian Coal Journal. 2020. No. 4. P. 62–67 (in Russian). doi: 10.18796/0041-5790-2020-4-62-67Kumar 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.2023.13064.2380Litvintsev V.S., Usikov V.I., Ozaryan Yu.A., Alek- seev V.S. Remote sensing of the Earth as a part of research of assessing the volume of technogenic raw and the envi- ronmental situation during the exploitation of placers // Georesursy. 2021. V. 23. No. 4. P. 116–123 (in Russian). doi: 10.18599/grs.2021.4.13Sajb E.A., Bezborodova A.N., Solov’ev S.V., Miller G.F., Filimonova D.A. Identification of different age fallows on erosion-hazardous territories of the south of Western Siberia using geo-information technologies // Current problems in remote sensing of the Earth from space. 2020. V. 17. No. 4. P. 129–136. doi: 10.21046/2070- 7401-2020-17-4-129-136Aslam 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 // Buil- dings. 2022. V. 12. No. 5. Article No. 605. doi: 10.3390/ buildings12050605Maksimovich N.G., Pyankov S.V. Kizelovsky coal basin: environmental problems and solutions. Perm: Raritet-Perm, 2018. 288 p. (in Russian).Perevoshchikova A.A., Perevoshchikov R.D., Malyshkina E.E., Mitrakova N.V. Waste manage- ment in potash mining companies // Bulletin of the Tomsk Polytechnic University. Geo Asses Engineer- ing. 2024. V. 335. No. 1. P. 19–35 (in Russian). doi: 10.18799/24131830/2024/1/4387Mitrakova N.V., Khayrulina E.A., Blinov S.M., Perevoshchikova A.A. Efficiency of acid sulphate soils reclamation in coal mining areas // Journal of Min- ing Institute. 2023. V. 260. P. 266–278 (in Russian). doi: 10.31897/PMI.2023.31Ushakova E., Perevoshchikova A., Menshikova E., Khayrulina E., Perevoshchikov R., Belkin P. Environmen- tal aspects of potash mining: a case study of the Verkh- nekamskoe potash deposit // Mining. 2023. V. 3. No. 2. P. 176–204. doi: 10.3390/mining3020011Thematic deciphering and interpretation of satel- lite images of medium and high spatial resolution [Internet resource] http://www.psu.ru/files/docs/science/books/ uchebnie-posobiya/shikhov-gerasimov-ponomarchuk- perminova-tematicheskoe-deshifrirovanie-i-interpretaci- ya-kosmicheskih-snimkov.pdf (Accessed: 15.05.2024) (in Russian).Mitrakova N.V., Khairulina E.A., Poroshi- na N.V., Perminova A.A., Malyshkina E.E. Classification and properties of soils formed on reclaimed coal dumps of the Kizel coal basin // Theoretical and Applied Ecology. 2022. No. 4. P. 180–187 (in Russian). doi: 10.25750/1995- 4301-2022-4-180-187U.S. Geological Survey [Internet resource] https://earthexplorer.usgs.gov/(Accessed: 15.05.2024).