Использование дистанционного зондирования в исследовании открытых горных работ и экологии нарушенных земель на месторождениях цементного сырья в регионах России

По результатам дистанционного мониторинга исследовано состояние горных работ в карьерах по добыче минерального сырья, потребляемого цементными заводами на территории России. Изучен парк работающих горных и транспортных машин в цементных карьерах. Определены производственная мощность каждого карьера по горной массе и совокупный производственный потенциал карьеров на территории России, оцениваемый на уровне 210 млн т в год. Приведены экологические показатели нарушенных земель в ходе разработки месторождений минерального сырья для использования в цементной отрасли в целом.

1. Пономаренко М.Р., Кутепов Ю.И., Волков М.А., Гринюк А.П. Космические методы в составе комплексного деформационного мониторинга земной поверхности горного предприятия. Горный информационно-аналитический бюллетень. 2020. № 12. С. 103—113.

2. Крамаров С.О., Митясова О.Ю., Храмов В.В. Спутниковая идентификация объектов земной поверхности с использованием неортогонального описания исходных данных. Горный информационно-аналитический бюллетень. 2021. № 4. С. 154—166.

3. Крутских Н.В. Оценка трансформации природной среды в зоне воздействия горно-добывающих предприятий с использованием данных дистанционного зондирования земли. Горный журнал. 2019. № 3. С. 88-93.

4. Корниенко С.Г. Характеристика антропогенных трансформаций ландшафтов в районе Бованенковского месторождения по данным спутников Landsat. Современные проблемы дистанционного зондирования Земли из космоса. 2022. Т. 19. № 2. С. 106—129.

5. Пашкевич М.А., Петрова Т.А., Рудзиш Э. Оценка потенциальной возможности использования лигнин-шламов для лесохозяйственной рекультивации нарушенных земель. Записки Горного института. 2019. 235. P. 106. https://doi.org/10.31897/pmi.2019.1.106.

6. Samsonov S., Baryakh A. Estimation of Deformation Intensity above a Flooded Potash Mine Near Berezniki (Perm Krai, Russia) with SAR Interferometry. Remote Sens. 2020; 12(19):3215.

7. Madhuanand L., Sadavarte P., Visschedijk A.J.H. et al. Deep convolutional neural net-works for surface coal mines determination from sentinel-2 images. European Journal of Remote Sens. 2021. V. 54. I. 1. Р. 296—309.

8. Sadavarte P., Pandey S., Maasakkers J.D. et al. Methane Emissions from Superemitting Coal Mines in Australia Quantified Using TROPOMI Satellite Observations. Environmental Science and Technology. 2021.

9. Zenkov I.V., Morin A.S., Vokin V.N., Kiryushina E.V. Remote sensing of mining and haul-age equipment arrangement in Russia: A case-study of the coal and iron ore industry. Eurasian mining. 2020. No. 2. Р. 46—49.

10. Nie X., Hu Z., Ruan M., Zhu Q., Sun H. Remote-Sensing Evaluation and Temporal and Spatial Change Detection of Ecological Environment Quality in Coal-Mining Areas. Remote Sens. 2022. 14. 345.

11. Li X., Lei S., Liu Y. et al. Evaluation of Ecological Stability in Semi-Arid Open-Pit Coal Mining Area Based on Structure and Function Coupling during 2002-2017. Remote Sens. 2021;13(24):5040. doi.org/10.3390/rs13245040.

12. Wang W., Liu R., Gan F. et al. Monitoring and Evaluating Restoration Vegetation Status in Mine Region Using Remote Sensing Data: Case Study in Inner Mongolia, China. Remote Sensing. 2021.13(7):1350. doi.org/10.3390/rs13071350.

13. Claudia Priscila Wanzeler da Costa, Douglas da Silva Ferreira, Nikolas Jorge Carneiro. Climate Extremes along the Mining Chain over the Eastern Amazon: Projections to 2050. Atmospheric and Climate Sciences. 2021. V. 11. № 1. P. 125—147.

14. Zhang Y., Shen W., Li M., Lv Y. Integrating Landsat Time Series Observations and Corona Images to Characterize Forest Change Patterns in a Mining Region of Nanjing, Eastern China from 1967 to 2019. Remote Sens. 2020. 12(19):3191. doi.org/10.3390/rs12193191.

15. https://www.google.com.earth.