Changing the appearance of underwater landscapes in the coastal zone of a large freshwater body under the influence of trout farming activities: a case study of Mustalakhti Bay, Lake Ladoga

Мұқаба

Дәйексөз келтіру

Толық мәтін

Аннотация

In Mustalakhti Bay of Lake Ladoga, which is used for placing trout farms, a study was conducted on the structure of bottom landscapes and the transformation of the lakebed surface under the influence of aquaculture activities. Field data for mapping bottom landscapes were collected using hydroacoustic surveys with the SOLIX 10 SI MEGA CHIRP side-scan sonar and underwater photography with the Limnoscout ROV. Standard sedimentological and biological studies of the lakebed were also carried out. The identification of distinct facies elements was based on morphometric features (depth zones, bottom slopes in different parts of the bay, and terrain elements), characteristics of bottom sediments (sediment type, fluid mud composition), surface appearance, and benthic biological communities (dominant benthic groups, presence/absence of macrophytes). The study resulted in bathymetric and landscape maps of the investigated bay, highlighting the characteristic features of individual landscape facies. A total of 8 facies were identified. The study demonstrated a significant negative impact of trout farms on the bay’s bottom. This is confirmed by: 1. substantial changes in the lakebed appearance detected through video footage; 2. visual changes in the surface observed in acoustic images (sonograms) from the side-scan sonar; and 3. increased sediment thickness and higher accumulation of organic matter, evidenced by sonar data and previously conducted chemical analyses of sediments in the farm areas. The data indicates that the features of the bay’s basin, specifically its steep slopes and the extensive shallow area with relatively large depths (20-35 m), create conditions for the accumulation of anthropogenically transformed sediments within the farm area and extending outwards by several tens of metres (a 100 m diameter zone around each farm). Conclusion: The use of a landscape approach with modern research tools, including acoustic and underwater photography, has provided a spatial assessment of the impact of trout farming on the condition of the studied section of the freshwater body.

Авторлар туралы

D. Dudakova

Institute of Limnology of the Russian Academy of Sciences, SPC RAS

Хат алмасуға жауапты Автор.
Email: judina-d@yandex.ru
Ресей, Sevastyanova str., 9, St. Petersburg, 196105

A. Lapenkov

Institute of Limnology of the Russian Academy of Sciences, SPC RAS

Email: judina-d@yandex.ru
Ресей, Sevastyanova str., 9, St. Petersburg, 196105

V. Anokhin

Institute of Limnology of the Russian Academy of Sciences, SPC RAS

Email: judina-d@yandex.ru
Ресей, Sevastyanova str., 9, St. Petersburg, 196105

A. Guzeva

Institute of Limnology of the Russian Academy of Sciences, SPC RAS

Email: judina-d@yandex.ru
Ресей, Sevastyanova str., 9, St. Petersburg, 196105

K. Zaripova

Institute of Limnology of the Russian Academy of Sciences, SPC RAS

Email: judina-d@yandex.ru
Ресей, Sevastyanova str., 9, St. Petersburg, 196105

Әдебиет тізімі

  1. Andrés J. 2011. Use of side scan sonar (SSS) in the management of fisheries and aquaculture: Examples of application in Andalusia, Spain. Instrumentation Viewpoint 11: 76.
  2. Brooks K.M., Stierns A.R., Mahnken C.V.W. et al. 2003. Chemical and biological remediation of the benthos near Atlantic salmon farms. Aquaculture 219(1): 355-377. doi: 10.1016/S0044-8486(02)00528-8
  3. Carroll M.L., Cochrane S., Fieler R. et al. 2003. Organic enrichment of sediments from salmon farming in Norway: environmental factors, management practices, and monitoring techniques. Aquaculture 226(1): 165-180. doi: 10.1016/S0044-8486(03)00475-7
  4. Che Hasan R., Ierodiaconou D., Laurenson L. et al. 2014. Integrating multibeam backscatter angular response, mosaic and bathymetry data for benthic habitat mapping. PLOS ONE 9(5): e97339. doi: 10.1371/journal.pone.0097339
  5. Cochrane G.R., Lafferty K.D. 2002. Use of acoustic classification of side-scan sonar data for mapping benthic habitat in the Northern Channel Islands, California. Continental Shelf Research 22(5): 683-690. doi: 10.1016/S0278-4343(01)00089-9
  6. Dougall N., Black K. 2001. Determining sediment properties around a marine cage farm using acoustic ground discrimination: RoxAnnTM. Aquaculture Research 30(6): 451-458. doi: 10.1046/j.1365-2109.1999.00351.x
  7. Elvines D.M., MacLeod C.K., Ross D.J. et al. 2024. Fate and effects of fish farm organic waste in marine systems: Advances in understanding using biochemical approaches with implications for environmental management. Reviews in aquaculture 16(36): 66-85. doi: 10.1111/raq.12821
  8. Farabi S.M.V., Golaghaei M., Sharifian M. et al. 2022. Effects of rainbow trout farming on water quality around the sea farms in the south of the Caspian Sea. Caspian Journal of Environmental Sciences 20(4): 729-737. doi: 10.22124/CJES.2022.5725
  9. Fish J.P., Carr H.A. 1990. Sound underwater images. A guide to the generation and interpretation of side-scan sonar data. Orleans: Lower Cape Publishing.
  10. Foster G., Walker B.K., Riegl B.M. 2009. Interpretation of Single-Beam Acoustic Backscatter Using Lidar-Derived Topographic Complexity and Benthic Habitat Classifications in a Coral Reef Environment. Journal of Coastal Research 53(6): 16-26. doi: 10.2112/SI53-003.1
  11. Guzeva A., Lapenkov A., Zaripova K. et al. 2024. Heavy Metal Accumulation in Lake Sediments in the Impact Zone of Trout Cage Farm. Journal of fisheries and environment 48(1): 136-147. doi: 10.34044/j.jfe.2024.48.1.12
  12. Harris P.T., Baker E.K. 2012. Seafloor Geomorphology as Benthic Habitat: GEOHAB Atlas of Seafloor Geomorphologic Features and Benthic Habitats – Synthesis and Lessons Learned. In: Harris P.T., Baker E.K. (Eds.), GEOHAB Atlas of Seafloor Geomorphologic Features and Benthic Habitats. 1st edition. Cambridge, pp. 871-890. doi: 10.1016/B978-0-12-814960-7.00060-9
  13. Kalantzi I., Karakassis I. 2006. Benthic impacts of fish farming: Meta-analysis of community and geochemical data. Marine pollution bulletin 52(5): 484-493. doi: 10.1016/j.marpolbul.2005.09.034
  14. Kristmundsson J., Patursson O., Potter J. et al. 2023. Fish Monitoring in Aquaculture Using Multibeam Echosounders and Machine Learning. IEEE Access 99: 1-1. doi: 10.1109/ACCESS.2023.3320949
  15. Lapenkov A., Guzeva A., Zaripova K. et al. 2023. The seasonal dynamics of geochemical characteristics of sediments in the impact zone of the fish farm (Lake Ladoga, Russia). Aquaculture and Fisheries 8(1): 654-660. doi: 10.1016/j.aaf.2022.09.003
  16. Quintino V. 2003. Benthic biotopes remote sensing using acoustics. Journal of Experimental Marine Biology and Ecology 285-286(4): 339-353. doi: 10.1016/S0022-0981(02)00536-1
  17. Ridgway J.L., Madsen J.A., Fischer J.R. et al. 2024. Side-scan sonar as a tool for measuring fish populations: current state of the science and future directions. Fisheries 49(10): 449-500. doi: 10.1002/fsh.11137
  18. Rooney R.C., Podemski C.L. 2009. Effects of an experimental rainbow trout (Oncorhynchus mykiss) farm on invertebrate community composition. Canadian Journal of Fisheries and Aquatic Sciences 66(11): 1949-1964. doi: 10.1139/F09-130
  19. Villnäs A., Perus J., Bonsdorff E. 2011. Structural and functional shifts in zoobenthos induced by organic enrichment — Implications for community recovery potential. Journal of Sea Research 65(1): 8-18. doi: 10.1016/j.seares.2010.06.004
  20. Zaripova K.M., Lapenkov A.E., Guzeva A.V. 2024. Spatio-Temporal Dynamics of Biogenic Element Accumulation in Bottom Sediments in the Impact Zone of Trout Farming (Lake Ladoga) Water Resour 51: 836–843. doi: 10.1134/S0097807824701094
  21. Госгеолкарта-200. Листы Р-35-XXIV, P-36-XГеоморфологическая схема IX.. Третье поколенБалтийская серия ие.. 2015. СПб: Картфабрика ВСЕГЕИ.
  22. Дудакова Д.С., Анохин В.М., Поздняков Ш.Р. и др. 2021. Подводные ландшафты островов Мантсинсаари и Лункулансаари в зоне рифейских поднятий в восточной части Ладожского озера. Известия Российской академии наук. Серия географическая 85(3): 433-445. doi: 10.31857/S2587556621030043
  23. Дудакова Д.С., Капустина Л.Л., Митрукова Г.Г. и др. 2024. Состояние планктонных и бентосных сообществ шхерного района Ладожского озера вблизи садковых рыбоводных хозяйств. Труды ВНИРО 196: 163-178. doi: 10.36038/2307-3497-2024-196-163-178
  24. Зуйкова Ю.Л., Шилова Т.М. 2000. Геологический отчет, ТЭД, ТЭО, ТЭС. 27064. Составление сводных аэрогеофизических карт на Ладожско-Онежскую площадь в масштабе 1:200000 в 1995-2000 годах. СПб: ГП ПГЭ.
  25. Инструкция по организации и проведению геологической съемки шельфа масштаба 1:200000 (ГСШ-200). 1995. Утв. Роскомнедра 17.06.94. Москва; Санкт-Петербург: ВСЕГЕИ.
  26. Методические рекомендации по сбору и обработке материалов при гидробиологических исследованиях. 1983. Зообентос и его продукция. Ленинград: ГосНИОРХ.
  27. Милянчук Н.П., Ильмаст Н.В., Стерлигова О.П. и др. 2019. Рыбное население Сямозера в районе форелевого хозяйства. Труды Карельского научного центра РАН 11: 42–49.
  28. Рыжков Л.П., Дзюбук И.М., Горохов А.В. и др. 2011. Состояние водной среды и биоты при функционировании садковых форелевых хозяйств. Водные ресурсы 38(2): 244-252. doi: 10.1134/S0097807811020138
  29. Семенович Н.И. 1966. Донные отложения Ладожского озера. Москва; Ленинград: Наука.
  30. Субетто Д.А., Игнатьева Н.В., Давыдова Н.Н. и др. 2002. Донные отложения и их роль в оценке эволюции Ладожского озера. В: Румянцев В.А., Драбкова В.Г. (ред.), Ладожское озеро: прошлое, настоящее, будущее. Санкт-Петербург, С. 122-164.

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML
Жүктеу

© Дудакова Д.S., Лапенков А.E., Анохин В.M., Гузева А.V., Зарипова К.M., 2025

Creative Commons License
Бұл мақала лицензия бойынша қол жетімді Creative Commons Attribution-NonCommercial 4.0 International License.

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».