Оптимизация параметров статистического моделирования геофизических полей в условиях криолитозоны

Обложка

Цитировать

Полный текст

Аннотация

Предметом исследования является геокриологическая обстановка участка, расположенного на окраине города Норильск, вблизи зоны шлаковых отвалов Никелевого завода. Изучаемая территория представляет собой прямоугольную область размером примерно 600 на 1000 метров. Основная задача исследования состоит в оценке пространственного распределения физических свойств мерзлых пород в пределах разреза. Разрез изучается посредством геофизических методов до глубин вплоть до пятнадцати метров, а апробация данных достигается данными скважин, достигающих в среднем до глубины пятнадцати метров, причём глубина до забоя одной скважины достигает 20 метров. Полученные данные разрозненны и имеют неоднородный характер, что создаёт необходимость применения методов интерполяции для формирования непрерывных моделей распределения геофизических параметров. Рассматриваются существующие алгоритмы интерполяции, включая трёхмерный байесовский подход с настройкой радиуса поиска, количества соседей и типа ковариационной функции. Такой подход позволяет учитывать изменчивость свойств грунтов и повышать точность пространственных моделей. Таким образом, исследование направлено на адаптацию методов интерполяции для достоверного моделирования геокриологических условий.    Для анализа используются геофизические и статистические методы, реализуемые в ArcGIS Pro. Интерполяция проводится с использованием байесовского эмпирического метода, после чего полученная модель изучается на предмет достоверности. Заверка выполняется сравнением с данными бурения и геоморфологического исследования. Основные выводы исследования: разработана методика, которая объединяет данные, полученные из геофизических исследований, и методы статистической обработки для моделирования свойств мерзлых пород. Это показало, что трёхмерный подход помогает лучше описывать изменчивость среды и повышать точность моделей, что подтверждается данными бурения. Так, мощность сезонно-талого слоя по геофизическим данным подтвердилась в каждой из скважин, а изменчивость прослеживается в соответсвии с геоморфологическими и литологическими особенностями территории. Произведена адаптация трёхмерного статистического метода, Байосовского кригинга 3D в частности, к условиям многолетней мерзлоты. Изучено влияние таких параметров как: тип ковариационной функции, масштаб поднаборов данных, количество соседей и радиус поиска. В рамках исследуемой территории впервые проанализирована эффективность применения эмпирического кригинга, как метода интерполяции. Полученные данные имеют прикладное значение для обоснования инфраструктурных проектов и рационального использования природных ресурсов исследуемой территории.

Об авторах

Игорь Олегович Камбалин

Московский государственный университет им. М.В. Ломоносова

Email: igorkambalin@gmail.com
аспирант; географический факультет;

Андрей Викторович Кошурников

Московский государственный университет им. М.В. Ломоносова

Email: koshurnikov@msu-geophysics.ru
ORCID iD: 0000-0001-6160-7795
преподаватель; кафедра гляциологии и криолитологии;

Ермолай Игоревич Балихин

Московский государственный университет им. М.В. Ломоносова

Email: ermikus2@mail.ru
аспирант; геологический факультет;

Список литературы

  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.
  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 A. G., Hauck C., et al. Best practices for using electrical resistivity tomography to investigate permafrost // Permafrost and Periglacial Processes. 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). С. 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. Recent degradation of interior Alaska permafrost mapped with ground surveys, geophysics, deep drilling, and repeat airborne lidar // The Cryosphere. 2021. No. 15(8). Pp. 3555-3571.
  11. Долгаль А. С., Муравина О. М., Аузин А. А., Пономаренко И. А., Груздев В. Н. Сферы применения современных статистических методов обработки геофизической информации // Вестник ВГУ. Серия: Геология. 2019. № 4. С. 79-84.
  12. Осипов В. В. Анализ методов создания цифровых моделей поверхностей // 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. Modelling permafrost distribution using the temperature at top of permafrost (TTOP) model in the boreal forest environment of Whatì // NT. Arctic Science. 2024. No. 10(3). Pp. 455-475.
  14. Treat C. C., Virkkala A.-M., Burke E., Bruhwiler L., Chatterjee A., Hayes D. J., et al. Permafrost carbon: progress on understanding stocks and fluxes across northern terrestrial ecosystems // Journal of Geophysical Research: Biogeosciences. 2024. No. 129(2).
  15. 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.
  16. 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.
  17. Jorgenson M. T., Grosse G. Remote sensing of landscape change in permafrost regions: progress, challenges, and opportunities // Permafrost and Periglacial Processes. 2022. No. 33(4). Pp. 429-447.
  18. Overduin P. P., Wegner C., Kassens H., et al. Subsea permafrost dynamics and coastline retreat in the Arctic shelf: statistical modeling of observations // Geosciences. 2021. No. 11(12). Pp. 505.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

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».