Процессы термоденудации в криолитозоне и их индикация по растворённому органическому веществу Дворников Юрий Александрович

Содержание к диссертации

Введение

ГЛАВА 1. Характеристика района работ и постановка задачи мониторинга термоденудации 14

1.1. Характеристика района работ 15

1.1.1. Геокриологические условия ключевого участка 15

1.1.2. Криолитологическое строение ключевого участка 18

1.1.3. Снежный покров ключевого участка 22

1.1.4. Характеристика озер ключевого участка 24

1.1.5. Характеристика водосборных бассейнов озер ключевого участка 25

1.2. Характеристика термоцирков ключевого участка 25

1.2.1. Термоденудация как процесс образования термоцирков 25

1.2.2. Криолитологическое строение термоцирков 29

1.3. Возможность индикации процесса термоденудации по состоянию озерной воды (постановка задачи) 31

ГЛАВА 2. Комплекс полевых, лабораторных и дистанционных методов изучения окрашенного растворенного органического вещества в озерах Ямала 34

2.1. Полевые и лабораторные методы изучения окрашенного растворенного органического вещества 34

2.1.1. ОРОВ: природа, характеристика, свойства 34

2.1.2. Методика опробования, первичной подготовки и хранения образцов 36

2.1.3. Измерение ОРОВ в лабораторных условиях 40

2.1.4. Измерение концентрации взвешенных веществ в лабораторных условиях 42

2.1.5. Измерение концентрации РОУ в лабораторных условиях 43

2.1.6. Результаты опробования озер на ключевом участке Центрального Ямала 43

2.2. Дистанционные методы изучения ОРОВ 46

2.2.1. Методы определения ОРОВ на основе анализа космических снимков 46

2.2.2. Обработка ДДЗ и подготовка к анализу 46

2.2.3. Результаты оценки ОРОВ по космическим снимкам

2.3. Пространственная изменчивость ОРОВ в озерах 53

2.4. Сравнение полученных данных ОРОВ с другими регионами з

ГЛАВА 3. Параметры, влияющие на концентрацию ОРОВ в озерах Ямала 62

3.1. Зависимость концентрации ОРОВ от объема воды в озере 62

3.1.1. Батиметрические исследования озер Ямала 62

3.1.2. Методика картографирования дна озер на ключевом участке 64

3.1.3. Обработка результатов измерений, построение батиметрических карт 65

3.1.4. Расчет объема воды в озерах и анализ связи с концентрацией ОРОВ

3.2. Выделение водосборных бассейнов на основе ЦМР 70

3.3. Картографирование растительности с применением ДДЗ

3.3.1. Обработка снимка SPOT5 71

3.3.2. Расчет вегетационных индексов с использованием данных SPOT5 71

3.3.3. Автоматизированное выделение кустарниковой растительности с использованием радарных снимков ALOS PALSAR 72

3.4. Анализ распределения снежного покрова 74

3.4.1. Моделирование распределения снежного покрова на основе ГИС 75

3.4.2. Моделирование водного эквивалента снежного покрова и валидация результатов моделирования 83

3.4.3. Расчет снегозапасов в форме водного эквивалента для водосборных бассейнов 88

3.5. Структура базы геоданных для обработки полевых, лабораторных и дистанционных материалов 88

3.5.1. Источники данных (типы, источники) 90

3.5.2. Структура базы геоданных 91

3.5.3. Сетевая ГИС в приложении к БГД 95

ГЛАВА 4. Теоретическая (описательная) модель активности термоденудации на основе статистической модели источников ОРОВ в озерной воде 100

4.1. Статистическая модель влияния основных параметров на концентрацию ОРОВ в озерах Ямала 100

4.2. Методика выявления активности термоденудации с применением ДДЗ

4.2.1. Активизация и динамика термоцирков 103

4.2.2. Влияние процессов термоденудации на концентрацию ОРОВ в озерах 108

Выводы 118

Список литературы

• Характеристика термоцирков ключевого участка
• Измерение ОРОВ в лабораторных условиях
• Обработка результатов измерений, построение батиметрических карт
• Методика выявления активности термоденудации с применением ДДЗ

Введение к работе

Актуальность. Резкая активизация рельефообразующих криогенных
процессов на полуострове Ямал последние годы ставит задачу поиска
средств мониторинга этих процессов. Существующие методы

непосредственного измерения в полевых условиях и сопоставления
изображений на разновременных космических снимках осложнены
высокой стоимостью как полевых работ, так и космических снимков
высокого разрешения. Поиск относительно доступных методов

наблюдения за активизацией криогенных процессов и других изменений поверхности представляется актуальной задачей.

Озера — это природные резервуары, в которых происходит аккумуляция вещества, сносимого с окружающих их водосборных бассейнов. В связи с этим мы рассматриваем озера Ямала как четкий индикатор изменений поверхности, связанных с активностью криогенных процессов и общей динамикой ландшафтов.

Один из компонентов озерной воды – растворенное органическое
вещество (РОВ). Количество аллохтонного РОВ зависит как от
относительно неизменных или мало меняющихся факторов (например,
рельеф, растительность), так и от активно меняющихся, к которым в
первую очередь относятся процессы термоденудации. РОВ

характеризуется возможностью его изучения несколькими методами: полевыми, лабораторными, и дистанционными. Применение комплекса различных методов позволяет использовать РОВ для количественной оценки процессов термоденудации.

Активность термоденудациии и темпы формирования термоцирков являются геориском и дистанционный мониторинг этого процесса значительно облегчает задачу оценки и предотвращения этого риска. Целью работы является установление связи развития процессов термоденудации с концентрацией РОВ в озерной воде, а также влияния на

этот показатель климатических флуктуаций, особенностей растительного
покрова, геоморфологических условий и морфометрических

характеристик озерных котловин и их водосборных бассейнов.

Для достижения поставленной цели решались следующие задачи:

1. Характеристика термоцирков ключевого участка, их распространение и криолитологическое строение.

2. Совершенствование комплекса полевых, лабораторных и дистанционных методов изучения РОВ в озерах Ямала.

3. Создание методики картографирования водосборных бассейнов и
распределения по площади мощности снежного покрова и его водного
эквивалента путем усовершенствования цифровых моделей рельефа
(ЦМР), построенных на основе радарной интерферометрии.

4. Разработка алгоритмов картографирования кустарниковой растительности по материалам дистанционного зондирования с калибровкой материалами полевой съемки.

5. Изучение факторов, влияющих на концентрацию РОВ в озерах Ямала, а именно: рельефа, растительности, снежного покрова, климатических флуктуаций, активности рельефообразующих криогенных процессов, с применением комплекса полевых, лабораторных и дистанционных методов, а также моделирования.

6. Разработка структуры и ведение базы геоданных для обработки результатов полевых, лабораторных и дистанционных исследований, которая легла в основу специализированной географической информационной системы (ГИС) исследуемого района.

7. Разработка статистической модели влияния исследованных природных факторов на концентрацию РОВ в озерах Ямала.

8. Оценка развития термоденудационных форм (термоцирков) во времени с момента образования, и изменение концентрации РОВ в озерах, береговая линия которых нарушена этими процессами.

Личный вклад автора. Работа выполнена при непосредственном
участии автора в полевых и камеральных исследованиях. Автором
отобрано более 200 проб на содержание РОВ, растворенного
органического углерода (РОУ), а также взвешенных веществ из 64 озер на
стационаре «Васькины Дачи» (Центральный Ямал), а также на участке
Новый Порт (Восточный Ямал) и Варандей (Ненецкий АО) для сравнения
с данными по основной площадке на Центральном Ямале. Пробы воды
проанализированы автором самостоятельно на специальном оборудовании
в лаборатории им. Отто Шмидта, ААНИИ (2011-2015). Автором
обработано 7 космических снимков от получения исходных материалов до
получения продуктов в виде геоданных – слоев базы данных ГИС. Автор
проводил геодезические измерения (2011, 2014) в целях детальной съемки
местности, и геометрической коррекции данных дистанционного
зондирования (ДДЗ), мониторинга процессов; батиметрические

исследования (2012, 2014, 2015) для детального изучения дна озер (всего
19 озер); снегомерные наблюдения (2013) в целях установления
закономерностей распределения снежного покрова в тундре. Результатом
статистической обработки данных снегомерной съемки автором была
построена модель распределения водного эквивалента снежного покрова
на основе ГИС. Также автор принимал участие в работах по мониторингу
сезонноталого слоя (СТС) и температуры пород (2011-2015) по
программам Circumpolar Active Layer Monitoring (CALM) и Thermal State
of Permafrost (TSP). Автор принимал активное участие в реализации
совместного российско-австрийского проекта РФФИ «Комплексирование
полевых и дистанционных методов мониторинга динамики поверхности и
многолетнемерзлых пород на Ямале» 2013-2015, а также является главным
исполнителем российско-германского проекта POLYAR (процесс

транспорта органического вещества в озера Ямала) 2014-2016.

Научная новизна:

1. Определены количественные характеристики динамики термоденудационных форм рельефа (термоцирков) с применением космических съемок сверхвысокого разрешения, с калибровкой полевой тахеометрической и DGPS съемками форм рельефа.

2. Усовершенствован комплекс полевых, лабораторных и дистанционных методов изучения РОВ в озерах Ямала. Впервые в таком объеме и комбинации методы приложены к изучению озер как природных резервуаров, в которых происходит аккумуляция вещества, сносимого с окружающих их водосборных бассейнов. Одновременно комплекс методов применен к исследованию параметров криолитозоны и ландшафтов, являющихся и факторами, влияющими на РОВ, и объектами мониторинга.

3. Создана методика картографирования водосборных бассейнов озер и распределения по площади мощности снежного покрова и его водного эквивалента путем усовершенствования ЦМР, построенных на основе радарной интерферометрии, калиброванных наземной высокоточной тахеометрической съемкой.

4. Найдены алгоритмы картографирования кустарниковой растительности по материалам дистанционного зондирования с калибровкой материалами полевой съемки. Статистическими методами установлено, что растительность является одним из ведущих факторов изменения концентрации РОВ в озерной воде.

5. Разработана принципиально новая ГИС-ориентированная структура базы геоданных, которая позволила совмещать, накапливать и обрабатывать одновременно наборы разноплановых материалов полевых, лабораторных и дистанционных исследований, имеющих разное пространственное и временное разрешения, векторных и

скалярных, для выявления и количественной оценки взаимодействия параметров природной среды.

6. Для исследования содержания органического вещества в озерах применен бассейновый подход анализа взаимодействия параметров природной среды. На этой основе разработана статистическая модель, позволившая количественно оценить влияние основных факторов, определяющих концентрацию РОВ в озерах Ямала. Установлено, что из 19 рассмотренных факторов, основными являются 5, к которым относятся (1) соотношение площадей озера и водосборного бассейна, (2) высота уреза воды озера, (3) количество снега в водосборном бассейне, (4) активность термоденудации, и (5) продуктивность растительного покрова. Достоверность модели R²=0,6.

7. Определена роль процессов термоденудации в изменении состояния озер. Образование термоцирков и криогенных оползней приводит к заметному увеличению концентрации ОРОВ в озерах, которая, в дальнейшем, уменьшается вместе с затуханием самого процесса термоденудации.

Практическая значимость. Использование методики обработки
дистанционных материалов существенно сокращает затраты на

мониторинг опасных криогенных процессов. Полученные в результате
исследований база данных, статистические модели и сведения о
пространственной дифференциации факторов природной среды,

влияющих на активизацию опасных криогенных процессов и на формирование и динамику температурного поля пород, могут быть использованы при планировании и проектировании в районах освоения севера Западной Сибири и других равнинных районах Арктики.

Основные защищаемые положения: 1. Климатические изменения и связанная с этим активизация опасных криогенных процессов приводят к значительному увеличению

концентрации РОВ аллохтонного происхождения в озерах Ямала. Пик повышения концентрации наблюдается в первый год после активизации процесса термоденудации в водосборном бассейне конкретного озера и затухает во времени.

2. Факторами, определяющими концентрацию РОВ для совокупности исследованных озер Ямала, как показал расширенный регрессионный анализ, являются: 1) соотношение площадей озера и водосборного бассейна (доля 26,8%), 2) высота уреза воды озера (доля 26%), 3) количество снега в водосборном бассейне (доля 26%), 4) активность термоденудации (доля 12,8%, в массив данных вошли как пораженные термоденудацией, так и не пораженные озера), 5) продуктивность растительного покрова (доля 6,6%). Для конкретного озера доля термоденудации может быть выше или ниже в зависимости от пораженности берегов этим процессом. В озерах с берегами, пораженными термоденудацией, содержание РОВ в 2-3 раза выше, чем в озерах со стабильными берегами.

3. Методика картографирования водосборных бассейнов и распределения по площади мощности снежного покрова и его водного эквивалента путем усовершенствования ЦМР, построенных на основе радарной интерферометрии, калиброванных наземной высокоточной тахеометрической съемкой с использованием автоматических процедур и экспертных оценок.

Достоверность и апробация работы. Данные, полученные в ходе
работы над диссертацией, являются достоверными, поскольку получены с
учетом общепринятых стандартов, а также опыта предыдущих
исследователей. Лабораторные исследования проведены в

сертифицированной лаборатории на поверенном оборудовании, перед использованием которого всегда проводилась калибровка. Данные, полученные из материалов космической съемки были сопоставлены с

накопленным массивом полевых данных. ДДЗ проходили необходимые процедуры коррекции (геометрическая, радиометрическая, атмосферная). Батиметрические данные подкреплены результатами измерений глубин при помощи лота. Модели калибровались данными наземных наблюдений. Основные результаты докладывались на следующих международных и общероссийских конференциях: 1) 2012-02 ESA DUE Permafrost workshop (Potsdam, Germany); 2) 2012-05 12^th International Circumpolar Remote Sensing Symposium (Levi, Finland); 3) 2012-06 Десятая международная конференция по мерзлотоведению (Салехард, Россия); 4) 2013-06 Геокриологическое картографирование (Москва, Россия); 5) 2013-09 Earth Cryology XXI century (Pushchino, Russia); 6) 2013-10 Современные и прогнозируемые изменения природных условий в высоких широтах (Сочи, Россия); 7) 2013-10 AK Permafrost (Salzburg, Austria); 8) 2014-02 ESA DUE Permafrost workshop (Frascati, Italy); 9) 2014-06 European Conference on Permafrost 4 (Evora, Portugal); 10) 2014-06 REKLIM conference (Berlin, Germany); 11) 2014-12 Arctic Change 2014 (Ottawa, Canada); 12) 2015-04 Arctic Science Summit Week 2015 (Toyama, Japan); 13) 2015-05 36^th International Symposium Remote Sensing of Environment (Berlin, Germany); 2015-07 IV Всероссийский научный молодежный форум геокриологов, посвященный 200-летию со дня рождения академика А.Ф. Миддендорфа (Якутск, Россия); 14) 2016-01 Arctic Frontiers 2016 (Tromso, Norway).

Результаты работы опубликованы в 4 рецензируемых статьях, 2 из которых в изданиях, рекомендованных ВАК РФ, 2 – в изданиях, включенных в список цитирования Scopus, 1 – в издании, включенном в список цитирования Web of Science.

Структура диссертации:

Характеристика термоцирков ключевого участка

Последнее десятилетие наблюдается активизация целого круга опасных криогенных процессов, в том числе, по берегам арктических озер и морей (термокарст, термоденудация, термоэрозия). В условиях неглубокого залегания подземных пластовых льдов и расчлененного рельефа, условий, характерных для Центрального Ямала, отмечается активизация термоденудации (Лейбман, Кизяков, 2007; Leibman et al., 2014; Khomutov, Leibman, 2014). Это процесс формирования отрицательных форм рельефа, а именно, термоцирков, вследствие вытаивания залежеобразующего льда на склонах. Возникновение или расширение существующих и формирование новых термоцирков опосредованно связано с изменением ландшафтной обстановки, вызванной потеплением, а также напрямую с увеличением глубины СТС, затрагивающего границы ледяного тела.

Выявление изменений, происходящих в природе Арктики, является целью многочисленных современных исследований. Особое место занимает круг вопросов, касающихся устойчивости многолетнемерзлых пород (ММП) в условиях меняющегося климата. Климатические изменения воздействуют на состояние ММП через многослойные компоненты ландшафта. При этом возникает ряд обратных (положительных и отрицательных) связей, которые приводят к тому, что мерзлые толщи реагируют на изменения температуры воздуха не только с разной интенсивностью, но и неоднозначно в определенных условиях (Конищев, 2009). Изменение условий на поверхности может привести к промерзанию или к деградации мерзлых толщ, сильно трансформировать направленность криогенных процессов. В Западном секторе Российской Арктики в последние годы в связи с потеплением климата отмечается активизация темпов термоденудации, приводящая к росту термоцирков по пластовым льдам. Проявление этого процесса выражается в деформации поверхности и образовании отрицательных форм рельефа (Хомутов, Лейбман, 2008). Скорость протекания термоденудации позволяет отнести её к катастрофическим процессам - скорость отступания бровок термоцирков может достигать 10-20 м/год. Неоднозначность и сложность реакции криолитозоны и криогенных процессов на климатические изменения определяют необходимость подробного изучения механизмов наблюдаемых явлений и анализ факторов, определяющих их развитие. На современном уровне изученности отсутствуют выработанные надежные критерии и индикационные признаки, которые могут быть использованы для прогноза формирования, а также выявления существующих термоцирков на основе интерпретации дистанционных материалов.

Низменности, расположенные в зоне развития ММП, являются в значительной степени заозеренными (Качурин, 1961; Lehner, Dll, 2004; Smith et al., 2007; Grosse et al., 2013). Озера имеют, главным образом, термокарстовый генезис (Романовский, 1993), связанный с вытаиванием высокольдистых пород, которые широко представлены на территории исследования в виде пластовых льдов (Leibman, 1996; Хомутов и др., 2012), иногда залегающих довольно близко к поверхности (Пармузин, Суходольский 1982, Дубиков, 2002; Лейбман, Кизяков, 2007; Криосфера…, 2013). В условиях ограниченного развития речных долин озера являются базисом эрозии и накопителем информации о твердом и жидком стоке.

Район работ, расположенный на Центральном Ямале, отличается и широким распространением подземных пластовых льдов, причем часто залегающих неглубоко от поверхности, и значительной степенью заозеренности, и расчлененным рельефом, обеспечивающим активное развитие склоновых процессов различного генезиса.

Ключевой участок расположен в центральной части полуострова Ямал (Западная Сибирь), биоклиматическая подзона D (CAVM Team, 2003) (рис. 1.1). Зональная растительность на пологих склонах состоит из осок, кустарников и кустарничков ( 40 см высотой) и мхов. Кустарниковая ива (Salix glauca, S. lanata) и ерник Betula nana) распространены весьма широко (Ребристая, Хитун, 1998). Растительные сообщества с плотным кустарниковым ярусом в основном занимают днища долин и пологие вогнутые оползневые склоны холмов (Ukraintseva et al., 2014).

В верхней части разрез сложен породами четвертичного возраста (Полуостров Ямал, 1975). Участок характеризуется развитием рельефообразующих криогенных процессов, среди которых наиболее распространены термоэрозия, термоденудация и криогенное оползание (Лейбман и др., 1991; Романенко, 1997).

Измерение ОРОВ в лабораторных условиях

Набор снимков, использованных для анализа различных параметров, в том числе для дистанционного определения концентрации ОРОВ, представлен в приложении 2.2. Для анализа концентрации ОРОВ были использованы только снимки сверхвысокого пространственного разрешения (GeoEye-1, WorldView-2 и QuickBird), полученные по лицензии NASA NGA License UAF и по соглашению с Digital Globe Foundation (рис. 2.6, приложение 2.2).

Мультиспектральные снимки с улучшенным пространственным разрешением были получены с применением алгоритма PANSHARP2, разработанный (Zhang, 2004) в программе PCI Geomatica 2014 (PCI Geomatics). Этот метод известен, как достаточно удовлетворительный для снимков сверхвысокого пространственного разрешения (например, Du et al., 2007). Снимки с улучшенным пространственным разрешением (0,5 м для GeoEye-1 и WorldView-2 и 0,6 м. для Quickbird) были использованы для оцифровки ручьев, кустарниковой растительности и другого визуального анализа, включая также процедуру регистрации мультиспектральных снимков, но не для спектрального анализа.

Процедура ортотрансформирования снимков произведена с использованием модуля OrthoEngine в программе PCI Geomatica 2014. Семь опорных точек, включающих объекты железной дороги Обская – Бованенково, мосты, здания, были собраны в августе 2014 года с использованием дифференциального GPS приемника Trimble 5700. Эти точки были использованы совместно с 40 связующими точками для совмещения снимков друг с другом. Значения среднеквадратического отклонения (RMSE) геометрической коррекции снимков сверхвысокого пространственного разрешения представлены в таблице 2.4. ЦМР TanDEM 48 X IDEM с пространственным разрешением 12 метров использована для коррекции снимков за рельеф местности.

Метод ATCOR ground reflectance (Richter, 1994) использован для атмосферной коррекции снимков, кроме GeoEye-1 2009, с применением программы PCI Geomatica 2014. Произведена операция по удалению дымки. Тип аэрозоля “rural”, атмосферные условия “subarctic summer” и значение видимости “visibility” равное 80 км выбраны в качестве исходных параметров.

Поскольку снимок GeoEye-1 2009 был представлен только в виде с улучшенным пространственным разрешением, было проблематично применить процедуру ATCOR. Поэтому для этой сцены было принято решение применить метод атмосферной коррекции “dark object subtraction” (DOS) (Vincent, 1972; Chavez, 1975, 1996). Алгоритм основан на вычитании из полного спектра значений яркости (digital numbers) «темных объектов», в качестве которых были выбраны затененные области и глубоководные озера. Для снимка GeoEye-1 2009 были определены значения яркости «темных объектов» (табл. 2.5). Таблица 2.5. Значения яркости для данных GeoEye-1 за 2009 г., отражающих

Отношение зеленого и красного каналов (B2/B3) скорректированных снимков (см. раздел 2.2.2) были получены для 4 снимков (см. приложение 2.2), в соответствии с (Kutser et al., 2005a, 2005b). Для GeoEye-1 2009 были использованы DOS-скорректированные значения яркости, для других снимков – значения отраженной радиации.

Для 363 озер ( в т.ч. озер с доступными полевыми данными, приложение 2.1, табл. 2.2), расположенных на ключевом участке в 350 кв.км (регион интереса, рис. 2.2) были построены полигоны 100 м2, расположенные внутри в соответствии со следующими принципами: 1) в самом глубоком месте (если известно), 2) отсутствие влияния поступающих взвесей, 3) отсутствие облачности на участке. Для водных объектов был наложен фильтр «не менее 1500 кв.м.) для исключения небольших водоемов.

Поскольку снимки GeoEye-1 2013-07-05 и WorldView-2 2013-07-21 покрывали различные участки полигона (см. рис. 2.6), было принято решение объединить данные результатов отношения каналов для этих снимков. Полевые данные aОРОВ(440) за 2011 год были выбраны для сравнения с дистанционными данными GeoEye-1 2009 и QuickBird 2010 (рис. 2.7a, 2.7б) и объединенные данные aОРОВ(440) за 2013 и 2014 год для сравнения с совмещенными данными GeoEye-І и WorldView-2 2013 (рис. 2.8а) и QuickBird 2010 (рис. 2.86). Сравнение измеренных концентраций ОРОВ на 440 нм за 2014 год (с добавлением данных 2013 года) с расчитанным отношением каналов зеленого и красного для комбинации снимков GeoEye-1 2013-07-05 и WorldView-2 2013-07-21 (а) и снимка QuickBird 2010-07-30 (б). Было выявлено, что спектральные характеристики озер Центрального Ямала очень чувствительны к (1) режиму перемешивания, который связан с погодными условиями (например, с сильными ветрами, рис. 2.9), (2) активностью процессов в береговой зоне (например, термоденудация), (3) составу пород, который преобладает в прибрежных и донных отложениях (например, песок требует больше ветровой энергии для перемешивания по сравнению с глинами и илами), и (4) объему воды в озере (площадь озера и его глубина). Наличие таких факторов, к сожалению, может привести к завышению концентрации ОРОВ в озерах из-за более высоких значений коэффициента отражения (Griffin et al., 2011), и снижению корреляции между полевыми данными концентрации ОРОВ и данными, полученными со снимков, что мы наблюдали в случае со снимком QuickBird (рис. 2.7б и 2.8б).

Высокие (а) и низкие (б) значения мутности в зависимости от даты съемки. В июле 2010 г. в озерах, вероятно, наблюдался сильный ветер и озера более мутные по сравнению с июлем 2013 года с относительно спокойной ветровой обстановкой и менее мутной водой в озерах. Для снимков GeoEye-1 2009 и комбинации снимков GeoEye-1 и WorldView-2 2013 и с использованием полученных зависимостей (рис. 2.7а и 2.8а) были рассчитаны значения aОРОВ(440) в озерах. Для 2013 года количество озер составило 363 (приложение 2.3), для 2009 года - из 363 только 121 (приложение 2.4) в соответствии с покрытием (рис. 2.6). Статистика параметров aОРОВ(440) для двух лет приведена на рис. 2.10. В целом, 2009 г. характеризовался меньшими концентрациями ОРОВ в озерах, чем 2013 г. (медиана значений 1,3 и 2,2 м-1, соответственно). Максимальные измеренные значения также выше в 2013 г. (более 8 м-1). Минимальные значения (0,4 - 0,5 м-1) были зафиксированы для обоих лет.

Обработка результатов измерений, построение батиметрических карт

Представляется очевидным, что тесная (R = -0,83) зависимость между этими двумя параметрами была выявлена, поскольку детальность использованной ЦМР (5х5 метров), соответствующая масштабу картографирования 1:1000, позволяет описать рельеф более точно и, следовательно, построить более детальное производное картографическое изображение. Индекс кривизны очень чувствителен к разрешению исходной ЦМР, поскольку при расчете его для каждой ячейки принимается во внимание параметр высоты, окружающих ее 8 ячеек растра. В полевых условиях также установлено, что влияние микрорельефа при измерениях очень велико и значение измеренной толщины снега может варьировать в пределах 10-20 см и более на площадке 5 метров.

Учет влияния ветра на перераспределение снежного покрова Отмечается, что с наветренных склонов снег сдувается, a на подветренных – накапливается (Evans et al., 1989; Winstral et al., 2002; Litaor et al., 2007). Поэтому господствующее направление ветра также учитывается в модели. Господствующее направление ветра по данным метеостанции Марре-Сале - юго-восточное. Для учета его влияния введена эмпирическая поправка W, зависящая от экспозиции склона каждой ячейки растровой поверхности. Поправка (3.3) имеет вид: W = 0,5 (cosA – sinA) K, (3.3) где W – значение поправки к первичному значению толщины снега, А – экспозиция склона, K – коэффициент, вычисляемый эмпирически и зависящий от количества выпавших осадков в виде снега и скорости ветра.

Формула 3.3 позволяет вводить положительные поправки для подветренных по отношению к господствующему направлению ветра склонов и отрицательные – для наветренных склонов. На рис. 3.6 схематично отражены значения поправок для склонов с различной экспозицией относительно господствующего направления ветра.

Размер вводимой поправки определялся по результатам анализа средней измеренной толщины снежного покрова для различных экспозиций склона. В соответствии с нашей методикой для более точного анализа влияния ветра на распределение снежного покрова все полевые данные были разбиты на две группы: 1) полученные в точках, в которых значения индекса кривизны положительные (выпуклые участки), 2) в которых эти значения отрицательные (вогнутые участки). + 0,5

Данные, представленные на рис. 3.7, показывают, что в среднем на подветренных склонах накапливается до 20-30 см больше снега, нежели на наветренных, с которых, по справедливой закономерности при отсутствии вогнутых участков поверхности, снег сдувается. В соответствии с этими данными значение коэффициента К для поправки W условно было принято равным 25. Это значение позволяет увеличить модульное значение поправок максимум до ± 20 см. Поправка на влияние ветра вводилась для первичного значения толщины снега на основании поля атрибутивной таблицы со значениями параметра экспозиции.

Недостатком описываемого подхода является то, что поправка к первичному значению модельной толщины снега вводится отдельно, а не составляет единого целого с индексом кривизны поверхности.

Фрейдлин В. и Шныпарков А. (Фрейдлин, Шныпарков, 1985) в своей работе для Хибин показали, что параметр скорости ветра является определенным звеном в зависимости рельефа и толщины снега. Введенный ими коэффициент K, определяющий угловой коэффициент линии регрессии при анализе линейной взаимосвязи кривизны поверхности и толщиной снега, имеет приблизительно тот же смысл, что и описываемый в настоящей статье. Его вариативность авторы связывают со скоростью ветра за зимний период. Распределение средних значений измеренной толщины снежного покрова по склонам с различной экспозицией: а – массив полевых данных для выпуклых участков (индекс кривизны 0); б - массив полевых данных для вогнутых участков (индекс кривизны 0). Учет влияния растительности на толщину снежного покрова Кустарниковый ярус растительных сообществ на ключевом участке является важным фактором перераспределения (выдувания, переотложения) масс снега, являясь «ловушкой» для снежного покрова, а также фактором, снижающим ветровую активность (Benson, Sturm, 1993) независимо от того, на склонах какой экспозиции по отношению к преобладающему направлению ветра такие сообщества располагаются (Essery, Pomeroy, 2004). Однако отмечено, что эта зависимость не абсолютная и часть снежного покрова так или иначе выдувается из этих участков (Pomeroy, Gray, 1995). Исследование растительного покрова по трансекте проводились в летний период 2011 года. Во время полевых работ для каждой точки фиксировались высота и проективное покрытие кустарникового яруса (Salix glauca, S. lanata, Betula nana). Для анализа растительного покрова в ГИС контуры кустарниковых сообществ на трансекте были автоматизированно отдешифрированы с использованием снимков ALOS PALSAR (см. раздел 3.3.3).

На распределение кустарниковых ив на ключевом участке значительное влияние оказывает рельеф. Наиболее высокоствольные (1-1,5 м) кустарники располагаются в понижениях – долинах малых рек, на склонах эрозионных форм (Украинцева, 1998). Это вогнутые участки, которые имеют отрицательные значения индекса кривизны поверхности и ограниченное влияние ветра, поэтому рассмотрение кустарников, как лимитирующего фактора снегонакопления можно считать справедливым. Исследования, проведенные в Аляскинской тундре, также выявили закономерность - увеличение толщины снега в зависимости от высоты крон и диаметра ветвей кустарников (McFadden et al., 2001), сомкнутости кустарникового яруса (Sturm et al., 2001). По данным измерений в кустарниковых сообществах сосредоточено на 27% больше снега, чем в кочковатой тундре.

Зависимость толщины снега от наличия и высоты кустарников исследовалась так же, как и в случае с ветром: сравнение данных производилось с учетом выпуклости/вогнутости поверхности. На графике (рис. 3.8) приведена зависимость между высотой кустарников и толщиной снега с учетом различий индекса кривизны поверхности. Разделение массива данных в соответствии с этим индексом было сделано для того, чтобы оценить влияние кустарников на распределение снежного покрова именно для выпуклых участков поверхности, поскольку на вогнутых участках это влияние полностью нивелируется фактором рельефа, что видно из графика (см. рис. 3.7).

Методика выявления активности термоденудации с применением ДДЗ

Комплексирование методов исследования позволило создать новые оригинальные методики и получить результаты оценки активизации такого опасного криогенного процесса, как термоденудация, его развития во времени, разработать методы интерпретации этого процесса по данным дистанционного зондирования Земли в разных диапазонах длин волн. Удалось связать активизацию термоденудации с количеством органического вещества, обнаруживаемого в озерах как лабораторными, так и дистанционными методами. Увязав полевые и лабораторные данные об активности термоденудации с количеством органического вещества, интерпретируемого на космоснимках, автор предложил методику контроля за термоденудацией с использованием дистанционных данных.

В работе установлены связи концентрации растворенного органического вещества в озерной воде с активностью процессов термоденудации. Выявлено, что в озерах, береговая зона которых нарушена активными термоцирками, концентрация окрашенного растворенного органического вещества может быть в 2-3 и даже более раз выше, чем в озерах с ненарушенными берегами. Залежи торфа, обнаруженные в обнажениях на Центральном Ямале, служат значительным источником аллохтонного органического вещества, которое попадает в озерную воду после образования термоцирков и криогенных оползней. Измерение концентрации растворенного органического вещества в водной вытяжке из торфяной залежи одного из термоцирков показало очень высокие значения (243 мг/л) при средней концентрации этого параметра в озерной воде 3-5 мг/л. Количественно показано, что в период после 2012 года, когда произошло массовое образование термоцирков, в озерах наблюдались более низкие значения спектрального уклона кривой абсорбции окрашенного растворенного органического вещества, что является показателем дополнительного притока аллохтонного органического вещества, ранее находившегося в захороненном мерзлом состоянии.

Установлено, что изменение концентрации окрашенного растворенного органического вещества в озерах с термоцирками, наряду с увеличением концентрации взвешенного вещества, являются хорошими индикаторами динамики ландшафтов. Эти индикаторы могут быть использованы для анализа текущих изменений в Арктике по данным дистанционного зондирования.

Применение усовершенствованного комплекса полевых, лабораторных и дистанционных методов изучения органического вещества в озерах Ямала позволило проследить также межгодовую изменчивость параметра окрашенное растворенное органическое вещество и провести сравнение этой изменчивости с климатическими флуктуациями. Увеличение температуры воздуха, и, связанное с этим увеличение глубины сезонного протаивания, приводит к высвобождению органического вещества из более глубоких слоев и увеличению концентрации окрашенного растворенного органического вещества даже в тех озерах, берега которых не нарушены термоденудацией, однако, не более, чем на 20-30%, то есть, в заметной, но значительно меньшей степени, чем активные береговые процессы.

Анализ применимости оптических данных дистанционного зондирования выявил некоторые ограничения этого метода для оценки концентрации окрашенного растворенного органического вещества в озерах Арктики. Было выявлено, что снимки, полученные в очень ветреную погоду, не могут адекватно отражать концентрацию окрашенного растворенного органического вещества в озерах, что связано с высокой степенью мутности воды, и, следовательно, с увеличением значений отраженной радиации в голубом и зеленом каналах.

Параметр окрашенное растворенное органическое вещество является показателем активности процессов на фоне климатических флуктуаций, но также зависит и от факторов окружающей среды. Проанализирована степень влияния геоморфологических условий, особенностей растительного и снежного покровов, морфометрических характеристик озерных котловин и их водосборных бассейнов на концентрацию окрашенного растворенного органического вещества. На основании данных батиметрических съемок 2012, 2014 и 2015 годов были рассчитаны объемы воды в 18 озерах и было выявлено, что концентрации окрашенного растворенного органического вещества в озерах мало зависит от объема воды в озерах (R2=0,3). Дополнительно было показано, что глубина небольших термокарстовых озер может превышать 23 метра, а среднее значение глубины может превышать 9 метров, что является новой информацией об озерах Ямала.

Разработана локальная цифровая модель рельефа, основанная на обработке данных как оптической, так и радарной космических съемок, калиброванная с применением топографических карт и наземной высокоточной тахеометрической съемки. На основе построенной цифровой модели рельефа были в автоматизированном режиме выделены полигоны 363 водосборных бассейнов озер. Построенная цифровая модель рельефа также легла в основу модели распределения снежного покрова как фактора формирования жидкого (термоэрозия) и твердого (перенос органики) поверхностного и подземного (в сезонноталом слое) стока. Модель может быть использована и для оценки пространственного распределения температурного поля пород, для которого снежный покров является основным фактором формирования.