The Role of Digital Elevation Models in Increasing the Accuracy of Geophysical Studies of Anthropogenic Metallic Pollution

Cover Page

Cite item

Full Text

Abstract

The study focuses on improving the accuracy of geophysical investigations of anthropogenic metallic pollution using digital elevation models (DEMs). The methodology was tested at the Norilsk site, located in close proximity to the slag heaps of the nickel plant, based on DEM data obtained through unmanned aerial vehicles (UAVs) to conduct a detailed geomorphological analysis of the area. Geophysical methods such as the natural field (NF) method and frequency sounding were also used to identify zones of potential metallic pollution, as well as the characteristics and spatial positions of predicted permafrost layers. The main emphasis is on the advantages of integrating geophysical methods with DEMs and derived cartographic materials to improve the accuracy and reliability of surface metallic pollution detection and mapping, considering the geocryological situation within the study area. Geophysical methods of natural field (NF) and frequency sounding were employed to determine the geoelectrical properties of the study area. Reconnaissance surveys and flight missions were conducted to create the digital elevation model and orthoimage, and a surface water runoff map was developed based on the generated rasters and their interpretation. Based on the obtained geophysical data, zones of possible metallic pollution spread from the slag heaps were identified, which were confirmed through DEM analysis by the geomorphology of the study site. The distribution of specific electrical resistance fields was also interpreted in consideration of the collected data and validated through borehole drilling. It is worth noting that the integrated approach helped reveal the need to revise the interpretation plan, as only through the analysis of the nature and intensity of metallic pollution could the abnormally low resistance values in areas far from thermokarst lakes, with relatively shallow permafrost depths, be explained. Additionally, it became possible to qualitatively assess the zones of dust material accumulation.

References

  1. Акимов А. Т., Клишес Т. М., Мельников В. П., Снегирев А. М.. Электромагнитные методы исследований криолитозоны/Под ред. В. Д. Бадалова. Якутск: Ин-т мерзлотоведения СО АН СССР, 1988. 48 с.
  2. Ельцов И.Н., Оленченко В.В., Фаге А.Н. Электротомография в Российской Арктике по данным полевых исследований и трехмерного численного моделирования //Neftegaz.RU. 2017. № 2. С. 54–64.
  3. Ершов Э.Д. Общая геокриология. М.: Изд-во Моск. ун-та, 2002. 682 с. Зыков Ю.Д. Геофизические методы исследования криолитозоны. М.: Изд-во Моск. ун-та, 2007.
  4. Судакова М. С., Брушков А. В., Великин С. А., Владов М. Л., Зыков Ю. Д., Неклюдов В. В., Оленченко В. В., Пушкарев П. Ю., Садуртдинов М. Р., Скворцов А. Г., Царев А. М. Геофизические методы в геокриологическом мониторинге // Вестник Московского университета. Серия 4. Геология. 2022. №6.
  5. Шестернев Д.М., Омельяненко П.А. Повышение эффективности реализации инженерно-геофизических методов при исследовании грунтов криолитозоны // Вестник Забайкальского государственного университета. 2018. № 5. С. 1184-1196.
  6. Костицын В. И., Хмелевской В. К. Геофизика: учебник; Перм. гос. нац. исслед. ун-т. – Пермь, 2018. – 428 с.
  7. Herring T, Lewkowicz AG, Hauck C, et al. Best practices for using electrical resistivity tomography to investigate permafrost // Permafrost and Periglac Process. 2023. No. 34(4). Pp 494-512.
  8. Яицкая Н.А., Бригида В.С. Геоинформационные технологии при решении трехмерных геоэкологических задач: пространственная интерполяция данных // Геология и геофизика Юга России. 2022. № 12(1). C. 162–173.
  9. Камбалин И.О., Кошурников А.В., Балихин Е.И. Роль цифровых моделей рельефа для увеличения точности геофизических исследований техногенного металлического загрязнения в условиях криолитозоны (На примере Норильского полигона) // Арктика и Антарктика. 2024. № 4. С.13-23. doi: 10.7256/2453-8922.2024.4.71872 EDN: NKJSBV URL: https://nbpublish.com/library_read_article.php?id=71872
  10. Douglas T. A., Hiemstra C. A., Anderson J. E., et al. (2021). Recent degradation of interior Alaska permafrost mapped with ground surveys, geophysics, deep drilling, and repeat airborne lidar // The Cryosphere, No. 15(8). Pp.3555–3571
  11. Долгаль, А. С., Муравина, О. М., Аузин, А. А., Пономаренко, И. А., & Груздев, В. Н. (2019). Сферы применения современных статистических методов обработки геофизической информации // Вестник ВГУ. Серия: Геология, No. (4). С. 79-84.
  12. В.В. Осипов Анализ методов создания цифровых моделей поверхностей [Текст] / В.В. Осипов // ГЕО-Сибирь-2011. Т.1. Ч.2.: сб. матер. VII Междунар. научн. конгресса «ГЕО-Сибирь-2011», 19-29 апреля 2011 г., Новосибирск. - Новосибирск: СГГА, 2011. - С. 82-86.
  13. Vegter S., Bonnaventure P. P., Daly S., Kochtitzky W. (2024). Modelling permafrost distribution using the temperature at top of permafrost (TTOP) model in the boreal forest environment of Whatì // NT. Arctic Science. No. 10(3). Pp. 455–475
  14. Treat C. C., Virkkala A.-M., Burke E., Bruhwiler L., Chatterjee A., Hayes D.J., et al. (2024). Permafrost carbon: progress on understanding stocks and fluxes across northern terrestrial ecosystems // Journal of Geophysical Research: Biogeosciences. No. 129(2)
  15. Esri. 3D Search Neighborhoods. URL: https://pro.arcgis.com/ru/pro-app/latest/help/analysis/geostatistical-analyst/3d-search-neighborhoods.htm (дата обращения: 10.12.2024).
  16. Карта четвертичных отложений: R-45 (Норильск). Государственная геологическая карта Российской Федерации. Третье поколение. Норильская серия. Карта четвертичных образований, масштаб: 1:1000000 / ред. В.А. Радько. М.: ФГБУ «ВСЕГЕИ», 2016.
  17. Падерин П.Г., Деменюк А.Ф., Назаров Д.В., Чеканов В.И. и др. Государственная геологическая карта Российской Федерации. Масштаб 1:1 000 000 (третье поколение). Серия Норильская. Лист R-45 – Норильск. Объяснительная записка; СПб.: Картографическая фабрика ВСЕГЕИ, 2016.
  18. Jorgenson M. T., & Grosse G. (2022). Remote sensing of landscape change in permafrost regions: progress, challenges, and opportunities // Permafrost and Periglacial Processes. No. 33(4). Pp. 429–447
  19. Overduin P. P., Wegner C., Kassens H., et al. (2021). Subsea permafrost dynamics and coastline retreat in the Arctic shelf: statistical modeling of observations // Geosciences. No. 11(12), Pp. 505

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».