ekipЭкология и промышленность РоссииEcology and Industry of Russia1816-03952413-6042ООО "Калвис"10.18412/1816-0395-2024-1-52-57ekip-2559Research ArticleТЕМА НОМЕРА. Экология карьеров на месторождениях нерудных полезных ископаемыхNUMBER SUBJECT. Еcology of Quarries at Non-metallic Mineral Resources DepositsЦифровая платформа в решении задач экологии нарушенных земель для горнодобывающих предприятий с открытыми горными работами на основе ресурсов дистанционного зондирования и искусственного интеллектаThe Digital Platform for Resolving Problems of Ecology of Disturbed Lands for Mining Companies with Open-pit Mining Based on Remote Sensing Resources and Artificial IntelligenceЗеньковИ.В.ZenkovI.V.

д-р техн. наук, заместитель директора по научной работе

Dr. Sci. (Eng.), Deputy Director for Research

podpiska@kalvis.ruКустиковаЕ.А.KustikovaE.A.

инженер-эколог

Engineer-elocogist

podpiska@kalvis.ruЛе ХунгЧиньLe HungChin

канд. техн. наук, доцент

Cand. Sci. (Eng.), Associate Professor

podpiska@kalvis.ruСильвановичО.В.SilvanovichO.V.

канд. физ.-мат. наук, доцент

Cand. Sci. (Economics), Associate Professor

podpiska@kalvis.ruЮроненЮ.П.YuronenYu.P.

канд. техн. наук, доцент

Cand. Sci. (Eng.), Associate Professor

podpiska@kalvis.ruМаглинецЮ.А.MaglinetsYu.A.

канд. техн. наук, профессор

Cand. Sci. (Eng.), Professor

podpiska@kalvis.ruРаевичК.В.RaevichK.V.

канд. техн. наук, доцент

Cand. Sci. (Eng.), Senior lecturer

podpiska@kalvis.ruГерасимоваЕ.И.GerasimovaE.I.

ст. преподаватель

Senior Lecturer

podpiska@kalvis.ruМироноваЖ.В.MironovaZh.V.

канд. техн. наук, доцент

Cand. Sci. (Eng.), Associate Professor

podpiska@kalvis.ruСкорняковаС.Н.SkornyakovaS.N.

ст. преподаватель

Senior Lecturer

podpiska@kalvis.ruСибирский научно-исследовательский институт горного и маркшейдерского делаРоссияSiberian Research Institute of Mining and SurveyingRussian FederationТехнический университет им. Ле Куй ДонВьетнамLe Quy Don Technical UniversityViet NamСанкт-Петербургский горный университет императрицы Екатерины IIРоссияSaint Petersburg Mining UniversityRussian FederationСибирский государственный университет науки и технологий им. академика М.Ф. РешетнёваРоссияReshetnev Siberian State University of Science and TechnologyRussian FederationСибирский федеральный университетРоссияSiberian Federal UniversityRussian Federation2024170120242815257Copyright © ООО "Калвис", 20242024ООО "Калвис"ООО "Калвис"https://www.ecology-kalvis.ru/jour/about/submissions#copyrightNoticehttps://www.ecology-kalvis.ru/jour/article/view/2559

Представлено обоснование создания центра дистанционного зондирования Земли из космоса с целью мониторинга экологического состояния предприятий по добыче твердых полезных ископаемых в федеральном масштабе. Показано использование элементов искусственного интеллекта в поиске экологически приемлемых геометрических параметров породных отвалов. Раскрыта конструкция алгоритма по обоснованию технологий формирования и рекультивации породных отвалов с учетом природно-климатических характеристик территорий, на которых производится разработка месторождений полезных ископаемых. Детализировано взаимодействие информационных потоков с субъектами в экологии горной промышленности.

A justification for the creation of a center for remote sensing of the Earth from space is presented in order to monitor the environmental condition of the companies producing solid minerals on a federal scale. The use of artificial intelligence elements in the search for environmentally acceptable geometric parameters of the refuse dumps is shown. The structure of an algorithm for substantiating the technologies for formation and reclamation of the refuse dumps is disclosed, considering the natural and climatic characteristics of the territories where the mineral deposits are being developed. The interaction of information flows with subjects in the ecology of the mining industry is detailed.

экология горного производстваоткрытые горные работыформирование архитектуры породных отваловрекультивация земельдистанционное зондирование Землиискусственный интеллектecology of mining productionopen-pit miningformation of the architecture of refuse dumpsland reclamationremote sensing of the Earthartificial intelligenceReferencesГорный В.И., Бровкина О.В., Киселев А.В., Тронин А.А. Тенденции развития дистанционных методов при решении задач геологии и экологической безопасности. Современные проблемы дистанционного зондирования Земли из космоса. 2023. Т. 20. № 2. С. 9—38.Горный В.И., Бровкина О.В., Киселев А.В., Тронин А.А. Тенденции развития дистанционных методов при решении задач геологии и экологической безопасности. Современные проблемы дистанционного зондирования Земли из космоса. 2023. Т. 20. № 2. С. 9—38.Скороходов А.В., Курьянович К.В. Использование данных CloudSat CPR для повышения эффективности нейросетевого подхода к восстановлению высоты нижней границы облаков на спутниковых снимках Aqua MODIS. Современные проблемы дистанционного зондирования Земли из космоса. 2022. Т. 19. № 5. С. 63—75.Скороходов А.В., Курьянович К.В. Использование данных CloudSat CPR для повышения эффективности нейросетевого подхода к восстановлению высоты нижней границы облаков на спутниковых снимках Aqua MODIS. Современные проблемы дистанционного зондирования Земли из космоса. 2022. Т. 19. № 5. С. 63—75.Коротаева А.Э., Пашкевич М.А. Применение данных спектральной съемки для экологического мониторинга водной растительности. Горный информационно-аналитический бюллетень. 2021. № 5—2. С. 231—244.Коротаева А.Э., Пашкевич М.А. Применение данных спектральной съемки для экологического мониторинга водной растительности. Горный информационно-аналитический бюллетень. 2021. № 5—2. С. 231—244.Singh P., Pani A., Mujumdar A.S., Shirkole Sh.S. New strategies on the application of artificial intelligence in the field of phytoremediation. International Journal of Phytoremediation. 2023. Vol. 25. Iss. 4. P. 505—523.Singh P., Pani A., Mujumdar A.S., Shirkole Sh.S. New strategies on the application of artificial intelligence in the field of phytoremediation. International Journal of Phytoremediation. 2023. Vol. 25. Iss. 4. P. 505—523.Gautam K., Sharma P., Dwivedi Sh. et al. A review on control and abatement of soil pollution by heavy metals: Emphasis on artificial intelligence in recovery of contaminated soil. Environmental Research. 2023. Vol. 225. 115592.Gautam K., Sharma P., Dwivedi Sh. et al. A review on control and abatement of soil pollution by heavy metals: Emphasis on artificial intelligence in recovery of contaminated soil. Environmental Research. 2023. Vol. 225. 115592.Hadid N.B., Goyet C., Chaar H. et al. Machine Learning Modeling Techniques for Forecasting the Trophic Level in a Restored South Mediterranean Lagoon Using Chlorophyll-a. Wetlands. 2021. Vol. 41. 111.Hadid N.B., Goyet C., Chaar H. et al. Machine Learning Modeling Techniques for Forecasting the Trophic Level in a Restored South Mediterranean Lagoon Using Chlorophyll-a. Wetlands. 2021. Vol. 41. 111.Cai P., Chen G., Yang H. et al. Detecting Individual Plants Infected with Pine Wilt Disease Using Drones and Satellite Imagery: A Case Study in Xianning, China. Remote Sensing. 2023. Vol. 15(10). 2671. https://doi.org/10.3390/rs15102671.Cai P., Chen G., Yang H. et al. Detecting Individual Plants Infected with Pine Wilt Disease Using Drones and Satellite Imagery: A Case Study in Xianning, China. Remote Sensing. 2023. Vol. 15(10). 2671. https://doi.org/10.3390/rs15102671.Li J., Liu H., Du J. et al. Detection of Smoke from Straw Burning Using Sentinel-2 Satellite Data and an Improved YOLOv5s Algorithm. Remote Sensing. 2023. Vol. 15(10). 2641. https://doi.org/10.3390/rs15102641.Li J., Liu H., Du J. et al. Detection of Smoke from Straw Burning Using Sentinel-2 Satellite Data and an Improved YOLOv5s Algorithm. Remote Sensing. 2023. Vol. 15(10). 2641. https://doi.org/10.3390/rs15102641.Chen T., Tang G., Yuan Y. et al. Disentangling the Key Drivers of Ecosystem Water-Use Efficiency in China’s Subtropical Forests Using an Improved Remote-Sensing-Driven Analytical Model. Remote Sens. 2023. Vol. 15. 2441. https://doi.org/10.3390/rs15092441.Chen T., Tang G., Yuan Y. et al. Disentangling the Key Drivers of Ecosystem Water-Use Efficiency in China’s Subtropical Forests Using an Improved Remote-Sensing-Driven Analytical Model. Remote Sens. 2023. Vol. 15. 2441. https://doi.org/10.3390/rs15092441.McGovern A., Ebert-Uphoff I., Gagne D., Bostrom A. Why we need to focus on developing ethical, responsible, and trustworthy artificial intelligence approaches for environmental science. Environmental Data Science. 2022. Vol. 1. E6. doi:10.1017/eds.2022.5.McGovern A., Ebert-Uphoff I., Gagne D., Bostrom A. Why we need to focus on developing ethical, responsible, and trustworthy artificial intelligence approaches for environmental science. Environmental Data Science. 2022. Vol. 1. E6. doi:10.1017/eds.2022.5.Wang W., Wan S., Xiao P., Zhang X. A Novel Multi- Training Method for Time-Series Urban Green Cover Recognition From Multitemporal Remote Sensing Images. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. 2022. Vol. 15. P. 9531—9544. doi: 10.1109/JSTARS.2022.3218919.Wang W., Wan S., Xiao P., Zhang X. A Novel Multi- Training Method for Time-Series Urban Green Cover Recognition From Multitemporal Remote Sensing Images. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. 2022. Vol. 15. P. 9531—9544. doi: 10.1109/JSTARS.2022.3218919.Du B., Mao D., Wang Z. et al. Mapping Wetland Plant Communities Using Unmanned Aerial Vehicle Hyperspectral Imagery by Comparing Object/Pixel-Based Classifications Combining Multiple Machine-Learning Algorithms. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. 2021. Vol. 14. P. 8249—8258. doi: 10.1109/JSTARS.2021.3100923.Du B., Mao D., Wang Z. et al. Mapping Wetland Plant Communities Using Unmanned Aerial Vehicle Hyperspectral Imagery by Comparing Object/Pixel-Based Classifications Combining Multiple Machine-Learning Algorithms. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. 2021. Vol. 14. P. 8249—8258. doi: 10.1109/JSTARS.2021.3100923.

The authors declare that there are no conflicts of interest present.