Геомоделирование процессов самовосстановления горнопромышленных территорий Крайнего Северо-Востока России

30

Размещено на http://www.allbest.ru/

30

Специальность 25.00.35 - «Геоинформатика»

АВТОРЕФЕРАТ

диссертации на соискание ученой степени

доктора технических наук

Геомоделирование процессов самовосстановления горнопромышленных территорий крайнего северо-востока России

Якубович Анатолий Николаевич

Москва 2009

Работа выполнена в ГОУ ВПО «Московский государственный горный университет»

Научный консультант Шек Валерий Михайлович, доктор технических наук, профессор

Официальные оппоненты: Вознесенский Александр Сергеевич, доктор технических наук, профессор Черемисина Евгения Наумовна, доктор технических наук, профессор Темкин Игорь Олегович, доктор технических наук, доцент

Ведущее предприятие ОАО НПО «Союзцветметавтоматика»

Защита диссертации состоится на заседании диссертационного совета Д 212.128.08 при Московском государственном горном университете по адресу: 119991, Москва, Ленинский проспект, 6

С диссертацией можно ознакомиться в библиотеке Московского государственного горного университета

Ученый секретарь диссертационного совета докт. техн. наук, проф. Шек В.М.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

самовосстановление горнопромышленный картографирование

Актуальность работы. Крайний Северо-Восток России исторически является в России одним из лидеров по объемам ежегодно добываемого золота. Интенсивная многолетняя эксплуатация золотоносных месторождений, в первую очередь россыпных, приводит к разрушению природных комплексов и формированию весьма неблагоприятной экологической ситуации на значительных по площади горнопромышленных территориях области.

Мероприятия по рекультивации, выполняемые по завершении горнопромышленной деятельности, способствуют лишь частичному восстановлению на территории природных комплексов - в основном формирование и развитие экосистем происходит за счет процессов самовосстановления. При этом в суровых природно-климатических условиях Крайнего Северо-Востока России процессы самовосстановления отличаются очень большой продолжительностью, что предопределяет необходимость разработки и использования экологически рациональных методов ведения горных работ.

Таким образом, для народного хозяйства Крайнего Северо-Востока России особую актуальность приобретает решение проблемы научно обоснованного управления процессами самовосстановления, направленного на сокращение сроков регенерации экосистем горнопромышленных территорий и тем самым способствующего планомерному улучшению экологической ситуации в регионе. Для этого необходимо обеспечить поддержку принятия управленческих решений по вопросам экологически рационального природопользования на основе геомоделирования процессов самовосстановления, выполняемого с учетом всего комплекса факторов, значимо влияющих на темпы регенерации природных комплексов.

Объектом исследования являются горнопромышленные территории Крайнего Северо-Востока России, обеспечивающие добычу золота из россыпных месторождений.

Предмет исследования - процессы самовосстановления нарушенных в результате горнопромышленной деятельности природных комплексов, рассматриваемые как изменение их состояния во времени под влиянием устойчиво действующих на территории природно-климатических факторов.

Цель диссертационной работы заключается в обеспечении информацией и поддержке принятия управленческих решений в сфере сохранения экологического равновесия на горнопромышленных территориях Крайнего Северо-Востока России на основе геомоделирования самовосстановительных процессов.

Идея работы заключается в возможности улучшения экологической ситуации на горнопромышленных территориях за счет управления самовосстановительными процессами на основе результатов геомоделирования динамики их состояния.

Основные задачи исследования:

1. Анализ предметной области моделирования самовосстановления природных комплексов на горнопромышленных территориях Крайнего Северо-Востока России, выявление и обоснование наиболее значимых природно-климатических и техногенных факторов и построение геомодели самовосстановительных процессов.

2. Анализ многоуровневой и разнородной геоинформации, обусловливающей значения параметров геомодели самовосстановительных процессов, и создание фактографической основы геомоделирования с учетом природно-климатических особенностей горнопромышленных территорий Крайнего Северо-Востока России.

3. Разработка специализированной геоинформационной системы регионального уровня, основанной на региональном банке пространственно-координированных данных и содержащей в своей структуре программно реализованную геомодель самовосстановительных процессов горнопромышленных территорий.

4. Выполнение геомоделирования самовосстановительных процессов на отработанных и планируемых к отработке горнопромышленных территориях Магаданской области, оценка и геоинформационное картографирование показателей самовосстановительного потенциала, определение прогнозных сроков самовосстановления природных комплексов.

5. Разработка методологии прогнозирования и управления экологическим состоянием горнопромышленных территорий, основанной на экологически сбалансированном и выполняемом по результатам геомоделирования самовосстановительных процессов планировании горнопромышленной деятельности и направленной на минимизацию повреждения природных комплексов на территории производства горных работ.

Методы исследования включают системный анализ, методы геоинформационного моделирования, в том числе геоинформационное картографирование, методы математической статистики и теории вероятностей, численные методы интерполяции, интегрирования и решения дифференциальных уравнений, методы компьютерного моделирования.

Основные научные положения, выносимые на защиту, и их новизна:

1. Методология прогнозирования и управления экологическим состоянием горнопромышленных территорий, основанная на геомоделировании самовосстановительных процессов и позволяющая обеспечивать сохранение экологического равновесия на горнопромышленных территориях Крайнего Северо-Востока России.

2. Метод создания аналитической геоинформационной системы оценки и прогнозирования самовосстановительных процессов на горнопромышленных территориях Крайнего Северо-Востока России как инструмента для информационной поддержки управленческих решений на основе результатов геомоделирования самовосстановления природных комплексов.

3. Методы геомоделирования средней годовой динамики солнечной радиации и динамики состояния природных комплексов горнопромышленных территорий при самовосстановительных процессах, основанные на многолетних климатических данных и программно реализованные в составе математического обеспечения геоинформационной системы.

4. Метод экологически сбалансированного планирования горнопромышленного освоения территорий, основанный на прогнозировании самовосстановительных процессов и программно реализованный в составе математического обеспечения геоинформационной системы.

5. Метод геоинформационного картографирования показателей самовосстановительных процессов на горнопромышленных территориях, обеспечивающий поддержку принятия экологически рациональных управленческих решений при горнопромышленном освоении территории.

6. Геомодель самовосстановительных процессов природных комплексов горнопромышленных территорий, учитывающая природно-климатические особенности Крайнего Северо-Востока России и позволяющая прогнозировать экологические результаты горнопромышленной деятельности.

Достоверность и обоснованность научных положений, выводов и рекомендаций, содержащихся в диссертации, подтверждаются решением научной проблемы с использованием системного подхода и общих подходов к моделированию сложных систем и с учетом существенных факторов, влияющих на результаты синтеза, корректным применением математического аппарата, статистической обеспеченностью исходных данных для моделирования, совпадением в частных случаях полученных результатов с известными.

Научная значимость диссертационной работы заключается в разработке основанной на геомоделировании методологии прогнозирования и управления самовосстановительными процессами горнопромышленных территорий Крайнего Северо-Востока России, позволяющей достигнуть существенного улучшения экологического состояния территории горных работ.

Практическая значимость работы состоит в следующем:

1. Учет результатов геомоделирования процессов самовосстановления природных комплексов на горнопромышленных территориях Магаданской области позволит повысить эффективность планирования и осуществления природоохранных мероприятий в регионе.

2. Разработанный региональный банк пространственно-координированных данных может служить объективным источником информации для поддержки принятия управленческих решений по широкому спектру вопросов хозяйственного освоения региона.

3. Созданная аналитическая геоинформационная система оценки и прогнозирования самовосстановительных процессов на горнопромышленных территориях как инструмент поддержки принятия управленческих решений может быть адаптирована к условиям любого региона России.

4. Разработанная методика оценки самовосстановительного потенциала территории, основанная на результатах геоинформационного картографирования, обеспечивает информационную поддержку при принятии управленческих решений по вопросам экологически рационального природопользования.

5. Разработанная методика геомоделирования самовосстановительных процессов позволяет повысить качество управления природными и техногенными рисками за счет более точного прогнозирования возможных последствий при чрезвычайных ситуациях различного характера.

6. Методика геомоделирования годовой динамики прихода солнечной радиации дает возможность повышения точности прогнозирования сельскохозяйственной деятельности на территории Магаданской области.

Реализация результатов работы. Результаты диссертационного исследования использовались Северо-Восточным комплексным НИИ Дальневосточного отделения РАН в работе «Анализ россыпной золотоносности территории Магаданской области с целью планирования и лицензирования поисковых работ» (государственный контракт от 28.04.2005 г. № 5ф/05, государственный регистрационный номер 28-05-67/1), Магаданским НИИ сельского хозяйства РАСХН при выполнении НИР по этапу 02.07.03 (номер государственной регистрации 150.70.4025021419.06.8.003), золотодобывающим предприятием ООО «Дубль» при планировании работ на площади 72,5 тыс. кв. м. Результаты диссертации внедрены в учебный процесс в Северо-Восточном государственном университете при чтении курсов «Инженерная экология в горном производстве», «Разработка россыпных месторождений» и «Техника и технология открытых горных работ на Крайнем Севере» на специальности 130403.65 «Открытые горные работы».

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на Международных и Всероссийских научно-технических конференциях: «Экономика, экология и общество России в 21-м столетии» (Санкт-Петербург, 2002), «Проблемы освоения георесурсов российского Дальнего Востока и стран АТР» (Владивосток, 2002), «Rewas'04: Global Symposium on Recycling, Waste Treatment and Clean Technology» (Madrid, 2004), «Вологдинские чтения. Экология и безопасность жизнедеятельности» (Владивосток, 2004, 2005), «Природноресурсный потенциал, экология и устойчивое развитие регионов России» (Пенза, 2005), «Темпы и пропорции социально-экономических процессов в регионах Севера» (Апатиты, 2005), «Проблемы экологии, безопасности жизнедеятельности и рационального природопользования Дальнего Востока и стран АТР» (Владивосток, 2006), «Геоинформационное картографирование для сбалансированного территориального развития» (Иркутск, 2006), «Современные информационные технологии для научных исследований» (Магадан, 2008); на ряде научных семинаров и курсов.

Публикации. По теме диссертационной работы опубликовано 35 печатных работ, в том числе 1 монография и 12 статей в журналах, рекомендованных ВАК для опубликования основных результатов докторских диссертаций.

Структура и объем работы. Диссертация состоит из введения, пяти глав, заключения, библиографического списка из 210 наименований, 7 приложений, содержит 76 рисунков и 19 таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

В настоящее время геоинформатика является сравнительно молодым, но уже вполне сформировавшимся и общепризнанным направлением научных исследований. Значительный вклад в становление и развитие методов и средств получения, фиксации и анализа геоинформации внесли отечественные ученые В.В. Александров, В.М. Аленичев, А.М. Берлянт, Л.С. Берштейн, А.С. Вознесенский, В.А. Горбатов, Е.Г. Капралов, А.В. Кошкарев, И.К. Лурье, Л.Д. Певзнер, Д.К. Потресов, В.С. Тикунов, А.М. Трофимов, Н.И. Федунец, М.Я. Финкельштейн, В.Я. Цветков, Е.Н. Черемисина, В.М. Шек и др.

В первой главе рассмотрены существующие методы и средства исследования сложных систем, для которых характерно взаимодействие их природной и техногенной составляющих. Проанализирована предметная область моделирования процессов самовосстановления природных комплексов на горнопромышленных территориях Магаданской области, дано концептуальное описание геомодели самовосстановительных процессов, выделены основные этапы геомоделирования.

Важнейшим средством обработки и анализа пространственно-координированных данных являются геоинформационные системы; к настоящему времени разработаны методологические основы и накоплен достаточный опыт создания ГИС различного назначения, охвата и тематического содержания. Вместе с тем необходимо отметить, что существующие ГИС в значительной степени оперируют статичной геоинформацией; теория и методология геомоделирования сложных процессов пока не получили достаточного развития. Это является сдерживающим фактором на пути расширения практического применения геоинформационных систем как средства поддержки принятия управленческих решений.

При моделировании самовосстановительных процессов предлагается считать принципиально значимыми как их взаимосвязь с деструктивными техногенными процессами на территории, так и влияние основных природно-климатических факторов - солнечной радиации и природно-генетического потенциала почвенных комплексов. На рис. 1 показаны принципиально важные элементы моделируемой области. Круговые стрелки отражают хронологическую связь между процессами разрушения и самовосстановления и вызываемую ими смену состояний природных комплексов. Прямые стрелки соответствуют информационным потокам, обусловливающим параметры процессов самовосстановления, в первую очередь темпы их протекания.

Скорость протекания процессов возвращения природных комплексов в начальное равновесное состояние, обусловливающая в конечном счете величину самовосстановительного потенциала, непосредственно зависит от состояния природных комплексов в начале процессов самовосстановления и от их конечного, гомеостазисного состояния. Показатели природно-генетического потенциала почвы и обобщенные показатели динамики солнечной энергии определяют гомеостазисное состояние природных комплексов и тем самым также влияют на темпы протекания моделируемых процессов самовосстановления. Динамика солнечной энергии, кроме того, является значимым фактором для моделирования годового прироста живой массы растительных комплексов (фитомассы) в течение вегетативного периода.

Рис. 1. Структура предметной области при моделировании процессов самовосстановления

На рис. 2 дано концептуальное описание геомодели самовосстановительных процессов горнопромышленных территорий, выполненное в соответствии со структурой предметной области.

Рис. 2. Концептуальное описание геомодели самовосстановительных процессов горнопромышленных территорий

Во второй главе построена и детализирована геомодель самовосстановительных процессов, дано формализованное описание ее структурных элементов, приведены методы количественной оценки основных параметров модели.

Структура геомодели самовосстановительных процессов показана на рис. 3. Фактографической основой модели является региональный банк пространственно-координированных данных. Экзогенные параметры модели определяют территорию моделирования и моделируемые периоды. Конечным результатом моделирования являются количественные характеристики самовосстановительных процессов.

Рис. 3. Структура геомодели самовосстановительных процессов природных комплексов

Наблюдаемая годовая динамика солнечной радиации подвержена заметным вариациям, которые обусловливаются плохо прогнозируемой ежегодной изменчивостью состояния атмосферы. Практическая невозможность получения достоверных прогнозов реального состояния атмосферы на периоды, сопоставимые со временем самовосстановления природных комплексов (десятки или первые сотни лет), приводит к необходимости моделирования динамики солнечной радиации с привлечением наиболее типичных для рассматриваемого участка территории параметров состояния атмосферы. Наиболее целесообразным для этого является использование многолетних климатических данных как максимально достоверной и статистически надежной информации. Структура модели динамики солнечной радиации показана на рис. 4.

Рис. 4. Структура модели динамики солнечной радиации

Количественное описание самовосстановительных процессов основывается на модели динамики параметров состояния природных комплексов. На основе модели динамики параметров состояния определяются прогнозируемые периоды самовосстановления природных комплексов до уровней, задаваемых интервальными значениями (рис. 5).

Рис. 5. Структура модели динамики состояния природных комплексов

Интервальные значения параметров состояния фиксируют характерные состояния, достигаемые природными комплексами в процессе их самовосстановления. При задании интервальных значений необходимо учитывать, что по мере приближения параметров состояния к своим гомеостазисным значениям темпы самовосстановительного процесса замедляются (поскольку при достижении динамического равновесия параметров процесс самовосстановления прекращается) и, соответственно, моделируемые годовые изменения параметров уменьшаются. Таким образом, представляется нецелесообразным назначение интервальных значений равным средним гомеостазисным значениям параметров состояния, так как это приводит к завышению прогнозных сроков самовосстановления. Более оправданным является установление интервальных значений не более, чем нижняя возможная граница параметров в состоянии динамического равновесия природных комплексов.

Таким образом, обоснована (рис. 1, 2), построена (рис. 3) и детализирована (рис. 4, 5) геомодель самовосстановительных процессов природных комплексов горнопромышленных территорий, учитывающая природно-климатические особенности Крайнего Северо-Востока России и позволяющая прогнозировать экологические результаты горнопромышленной деятельности (шестое научное положение).

Моделирование движения Солнца по эклиптике (1) осуществляется в первой экваториальной системе координат; координатами места светила в этой системе служат склонение д и часовой угол t. В качестве единственного независимого аргумента используется ДT - количество секунд с начала моделируемого года.

, ( 1 )

где mod - остаток от деления ДT на 86 400;

= 23°27 - угол наклона земной оси к плоскости орбиты;

T_год - продолжительность тропического года, с;

;

.

Последующий переход к горизонтальной системе координат (астрономический азимут A_z и высота светила над горизонтом h) осуществляется по формулам сферической тригонометрии.

При моделировании траекторий импульсов солнечной энергии (2) для известных координат точки падения солнечного луча на земную поверхность определяются координаты характерных точек траектории. В результате траектория представляется в виде совокупности отрезков, каждый из которых характеризуется длиной и координатами своей центральной точки; в дальнейшем параметры состояния атмосферы определяются для центральных точек и по длине отрезков считаются постоянными:

, ( 2 )

где B_i и L_i - широта и долгота характерной точки траектории импульса солнечной энергии, град.;

z_i - высота характерной точки, м;

R - средний радиус Земли, м;

, град.;

A_z - астрономический азимут солнца, град.;

h - высота солнца над горизонтом, град.;

, град.;

, град.;

B₀, L₀ и z₀ - координаты точки соприкосновения траектории солнечного импульса с земной поверхностью (B₀ и L₀ - град., z₀ - м);

l_i - расстояние от точки падения траектории на землю до характерной точки, м.

Геомоделирование климатических параметров выполняется на основе многолетних климатических данных. Основными климатическими параметрами являются: атмосферное давление p, Па; абсолютная температура воздуха T, ; среднее значение относительной влажности воздуха , %; среднее квадратическое отклонение относительной влажности воздуха , %; количество нижней и верхней облачности и , баллов; интенсивность тумана, выраженная в условных единицах. Для определения значений параметров в произвольные моменты времени с помощью кубических сплайнов осуществляется аппроксимация среднемесячных результатов многолетних наблюдений и по единой системе аппроксимирующих полиномов осуществляется определение среднедневных значений параметров.

При построении модели состояния атмосферы в качестве статического приближения, которое хорошо выполняется при анализе среднего состояния атмосферы, привлекается модель стандартной атмосферы, на основе уравнений статики и состояния идеального газа связывающая в единую функциональную зависимость давление, температуру и плотность. При моделировании изменения основных параметров атмосферы с высотой принимаются следующие допущения, основанные на модели стандартной атмосферы (но не полностью данной модели тождественные):

до высоты 11 км (тропосфера) атмосфера принимается политропной, с постоянным вертикальным градиентом температуры, свыше 11 км (стратосфера) атмосфера принимается изотермической, с постоянной температурой ;

для вертикальных профилей давления и температуры верхняя граница моделируемой атмосферы , где и ( и ₀ - соответственно атмосферное давление и плотность воздуха на земной поверхности);

наличие в атмосфере водяного пара учитывается только в пределах тропосферы.

С учетом принятых допущений модели вертикальных профилей атмосферного давления p(z), температуры T(z) и среднего значения относительной влажности воздуха имеют вид (3):

, ( 3 )

где z - абсолютная высота рассматриваемой точки, м;

z₀ - абсолютная отметка поверхности земли, м;

T₀, p₀ и - температура воздуха (°K), атмосферное давление (Па) и средняя влажность (%) на поверхности земли;

- виртуальная температура, учитывающая наличие в воздухе водяного пара с парциальным давлением e₀, °K;

- вертикальный градиент температуры, град/м;

g - ускорение свободного падения;

R - удельная газовая постоянная сухого воздуха;

E(T) - зависящая от температуры упругость насыщения.

Модель пропускания атмосферы учитывает рассеяние и поглощение солнечной радиации атмосферой Земли. Для учета поглощения солнечной радиации озоном, кислородом и водяным паром осуществлялась аппроксимация функции поглощения кубическими сплайнами по отдельным участкам спектра. Оптическая толщина атмосферы за счет ослабления потока солнечной радиации при молекулярном () и аэрозольном () рассеянии (4):

, ( 4 )

где - длина волны, м;

₀ = м;

_ср() - оптическая толщина осредненной атмосферы;

- оптическая толщина атмосферы при = ₀ для i-го диапазона значений влажности воздуха;

- увеличение оптической толщины атмосферы за счет наличия тумана;

l - расстояние до точки соприкосновения траектории солнечного импульса с поверхностью земли, м;

l_max - длина траектории солнечного импульса в атмосфере, м;

p, T - атмосферное давление (Па) и температура воздуха (°K);

f_i - вероятность попадания влажности воздуха в i-й диапазон моделируемых значений;

f_т - вероятность образования тумана;

k_в, k_н - коэффициенты поглощения для верхней и нижней облачности;

n_в, n_н - интенсивность верхней и нижней облачности, баллов.

При моделировании приходящей солнечной энергии осуществляется определение средней удельной энергии E_Д, приходящей за 1 с на 1 м² земной поверхности, по отдельным спектральным диапазонам Д (5). Моделирование значений E_Д производится для каждой опорной точки и для всех интервалов времени в течение моделируемого года, когда высота солнца h > 0:

, ( 5 )

где - усредненная по диапазону Д спектральная плотность потока солнечной радиации, Вт/(м²·м);

p(_ср) - усредненное по диапазону Д значение функции пропускания;

Д - длина спектрального диапазона, м.

Модель средней годовой динамики солнечной энергии позволяет получить ряд суммарных значений приходящей солнечной энергии по каждым суткам моделируемого года - 365 значений для каждой опорной точки. Суммирование в пределах каждых суток осуществляется по всем интервалам времени, для которых h > 0, и по всем моделируемым спектральным диапазонам.

Система показателей средней годовой динамики солнечной энергии состоит из условной продолжительности вегетационного периода T_ВП, удельной энергоемкости положительных температур и удельной энергетической обеспеченности наиболее эффективного периода вегетации ДE₊₅, определяемых на основе моделируемых суточных значений приходящей солнечной энергии E и температуры воздуха t (6):

где E - суточное поступление солнечной энергии на территорию, МДж;

t - минимальная суточная температура воздуха, °С.

При определении T_ВП и суммирование в (6) ведется по всем дням года, когда минимальная за сутки температура . Показатель ДE₊₅ основан на средних суточных температурах t_ср, и суммирование в числителе производится при , а в знаменателе - при .

Система параметров, характеризующих состояние природных комплексов на территории, основана на показателях природно-генетического потенциала почв и включает в себя удельные, в расчете на единицу площади, количества фитомассы Ф, органического вещества О и прироста фитомассы в течение вегетативного периода П. Моделирование начальных значений параметров состояния основано на анализе видов и объемов горных работ на территории, включая и мероприятия по рекультивации; в результате определяется степень понижения количеств фитомассы и органического вещества. При выполнении районирования территории по показателям самовосстановительного потенциала начальные значения параметров состояния назначаются в процентах от гомеостазисных значений, что подразумевает одинаковую по всей рассматриваемой территории начальную степень повреждения природных комплексов.

Моделирование гомеостазисных значений параметров состояния осуществляется с использованием регионального банка геоинформации, содержащего карту почвенных комплексов и сведения об эталонных участках территории (значения параметров состояния природных комплексов при достижении динамического равновесия). Моделирование производится на основе аппроксимации зависимости гомеостазисных значений от показателей средней годовой динамики солнечной энергии; для всех трех параметров состояния аппроксимирующий полином имеет вид (7) и различается значениями коэффициентов:

(7)

где P₀ - гомеостазисное значение параметра состояния (Ф₀, О₀ или П₀), ц/га;

k₁-k₁₀ - коэффициенты, определяемые методом наименьших квадратов по данным ближайших эталонных участков с однотипными почвами.

Моделирование изменений значений параметров состояния выполняется с учетом их взаимного влияния, обусловленного основными процессами трансформации Ф и О (8). Граничными условиями модели являются , и , отражающие прекращение самовосстановительных процессов при достижении параметрами состояния природных комплексов своих гомеостазисных значений.

, ( 8 )

где Ф, О - удельные количества фитомассы и органического вещества, ц/га;

П - прирост фитомассы в течение вегетативного периода, ц/га;

Ф, О - годовые изменения в количествах фитомассы и органического вещества, ц/га.

Моделирование динамики параметров состояния заключается в последовательном определении, на основании (8), годовых приростов фитомассы и органического вещества ДФ и ДО, зависящих в конечном счете от текущих значений Ф и О, а также от промежуточного параметра вычислений П. В результате динамика параметров состояния представляется в виде рядов значений Ф, О и П, разделенных промежутками в один год. Анализ временных последовательностей значений Ф и О дает возможность зафиксировать прогнозируемую продолжительность периодов самовосстановления природных комплексов на территории до уровней, определяемых интервальными значениями.

Таким образом, зависимости (1) - (8) являются основой методов геомоделирования средней годовой динамики солнечной радиации и динамики состояния природных комплексов горнопромышленных территорий при самовосстановительных процессах, основанных на многолетних климатических данных и программно реализованных в составе математического обеспечения геоинформационной системы (третье научное положение).

В третьей главе дана характеристика региональной геоинформационной системы как средства моделирования самовосстановительных процессов, приведена ее структура, выполнена фасетная классификация информационных массивов и описана их логическая организация.

Специализированная геоинформационная система разработана с целью практической реализации геомодели самовосстановительных процессов горнопромышленных территорий. Прогнозирование и управление процессами самовосстановления горнопромышленных территорий, выполняемые с помощью геоинформационной системы, основаны на программно реализованных в составе ГИС методах имитационного моделирования динамики состояния природных комплексов. Геоинформационная система позволяет также оптимизировать процессы природопользования на основе экологически сбалансированного планирования производства горных работ на территории региона, минимизирующего повреждение природных комплексов на горнопромышленных территориях; оценка уровней возможных повреждений базируется на моделировании процессов самовосстановления. Фактографическая часть системы основана на пространственно-координированных данных, характеризующих территорию Крайнего Северо-Востока России (рис. 6).

Рис. 6. Геоинформационная система оценки и прогнозирования самовосстановительных процессов

Геоинформационная система является инструментом для поддержки принятия управленческих решений по экологически рациональному освоению горнопромышленной территории; элементы ее алгоритмической части являются обобщенными операторами, основанными на методах геомоделирования самовосстановительных процессов и осуществляющими преобразование послойно организованной геоинформации.

Формализованная структура реализованной в составе ГИС геомодели самовосстановительных процессов показана на рис. 7.

Рис. 7. Формализованная структура геомодели самовосстановительных процессов

Региональный банк геоинформации: R_C - многолетние климатические данные, R_t - топографическая основа, R_W - сведения о горнодобывающих полигонах, R_e - характеристика эталонных участков; экзогенные параметры: I_R - границы территории моделирования, I_Дt - параметры временной дискретизации, I_ДR - параметры пространственной дискретизации, I_B - интервальные значения параметров состояния; алгоритмы: - геомоделирование земной поверхности, F_S - моделирование движения солнца по эклиптике, F_G - моделирование траекторий импульсов солнечной энергии, F_C - геомоделирование климатических параметров, F_A - моделирование состояния атмосферы, - моделирование стандартной атмосферы, F_A- - моделирование пропускания атмосферы, - моделирование динамики приходящей солнечной энергии, - формирование системы показателей средней динамики солнечной энергии для опорных точек, - формирование системы показателей средней динамики солнечной энергии для эталонных участков, - моделирование гомеостазисных значений параметров состояния для опорных точек, - моделирование начальных значений параметров состояния для опорных точек, - моделирование гомеостазисных значений параметров состояния для эталонных участков, - моделирование динамики параметров состояния, F_T - определение прогнозных периодов самовосстановления.

Реализованные в геоинформационной системе методы прогнозирования состояния природных комплексов дают возможность управления экологическим состоянием горнопромышленных территорий. Управление осуществляется на основе экологически сбалансированных планов производства горных работ, обеспечивающих наименьшие суммарные повреждения горнопромышленной территории по состоянию на заданный момент времени; моделирование степени повреждения территории производится с учетом частичного самовосстановления природных комплексов. В результате становится возможным формирование как рекомендуемой последовательности выполнения горных работ на территории, так и перечня реализуемых рекультивационных мероприятий, обеспечивающих экологически целесообразные сроки восстановления природных комплексов.

На рис. 8 показана структура геомодели экологически сбалансированного освоения территории. Модель использует информацию регионального банка данных R и экзогенные параметры моделирования I, включает набор алгоритмов F, интерфейсом между которыми служат соответствующие информационные массивы M.

Рис. 8. Формализованная структура экологически рационального планирования освоения горнопромышленной территории

R - элементы регионального банка данных (см. пояснения к рис. 7), R_GL - геоинформация о запасах, I - параметры дискретизации (см. пояснения к рис. 7), - ограничения оптимального плана, - прогнозируемые уровни повреждения территории при производстве горных работ, F_GL - моделирование средней годовой динамики солнечной радиации, - моделирование начальных показателей состояния природных комплексов на территории горных работ, F - моделирование динамики состояния природных комплексов, - формирование теоретически оптимального плана, - определение обобщенных показателей теоретически оптимального плана.

Информационные объекты, обозначаемые на рис. 7 и 8 как R, I и M, являются укрупненными элементами структуры данных геоинформационной системы. Детализация структуры информационных объектов осуществлялась на основе их классификации, фиксирующей семантические особенности каждого информационного объекта и, соответственно, обусловливающей детали программного уровня реализации этих объектов. Для классификации была использована отличающаяся гибкостью структуры и информационной емкостью фасетная классификация.

При построении логической структуры информационных объектов предполагалось их формирование на базе одной или нескольких реляционных таблиц. Атрибуты всех таблиц подразделяются на 2 группы. К первой группе относятся пространственно-временные атрибуты, которые фиксируют положение соответствующего объекта в пространстве (до 3 атрибутов, в зависимости от необходимого количества координат) и во времени (один атрибут). Вторую группу составляют параметры состояния, характеризующие значимые для моделирования свойства объекта; их количество определяется перечнем моделируемых свойств.

Итоговая логическая организация данных предусматривает использование 40 + n реляционных таблиц, где n - количество критериальных уровней показателей состояния природных комплексов. Выделяются 267 независимых атрибутов; общее количество семантически различающихся атрибутов равно 70. Зафиксированные атрибуты являются параметрами процессов самовосстановления природных комплексов и горнопромышленного освоения территории; в совокупности они формируют пространство состояний моделируемых процессов и служат систематизированной основой для программной реализации области данных геоинформационной системы.

Таким образом, обоснован метод создания аналитической геоинформационной системы оценки и прогнозирования самовосстановительных процессов на горнопромышленных территориях Крайнего Северо-Востока России как инструмента для информационной поддержки управленческих решений на основе результатов геомоделирования самовосстановления природных комплексов (второе научное положение).

В четвертой главе приведены и проанализированы результаты геомоделирования самовосстановительных процессов на горнопромышленных территориях Магаданской области, выполнен анализ чувствительности результатов моделирования к изменению гомеостазисных значений параметров состояния, выполнено геоинформационное картографирование территории по показателям самовосстановительного потенциала.

При моделировании самовосстановительных процессов природных комплексов одним из главных факторов, влияющих на самовосстановительный потенциал территории, является продолжительность вегетативного периода. Результаты энергетической оценки среднего времени начала и окончания вегетативного периода показаны на рис. 9. Наступление периода с положительными среднесуточными температурами происходит, как правило, при достижении суточной солнечной энергией E значений 19 - 20 МДж/м², с незначительным ростом данного граничного значения при увеличении широты. Аналогичная энергетическая оценка момента окончания этого периода более размыта и лежит в пределах от 4,5 до 8,3 МДж/м².

Вторым энергетическим показателем продолжительности вегетативного периода служит количество суммарной энергии , с помощью которой определяется количество дней с положительной среднесуточной температурой воздуха. Для суммарной энергии как характеристики временных границ вегетативного периода не прослеживается зависимость от географических координат точки моделирования; изменчивость значений данного показателя обусловливается в первую очередь местными условиями.



Рис. 9. Энергетические границы периода положительных температур воздуха:

B - географическая широта, град.; E - суточная энергия, МДж; УE - суммарная энергия, МДж; S_L - начальная граница периода; F_L - конечная граница периода; L - географическая долгота, град.

При оценке момента начала вегетативного периода суммарная энергия является несколько менее стабильным показателем по сравнению с суточным поступлением энергии на территорию (коэффициенты вариации для и E равны 6,5% и 4,1% соответственно). В то же время для оценки момента окончания периода положительных температур суммарная энергия значительно предпочтительнее суточной (коэффициенты вариации 5,1% и 17,1% соответственно).

На рис. 10 для трех характерных для региона типов почв показана относительная динамика параметров состояния природных комплексов, полученная в результате моделирования самовосстановительных процессов на территории. Гомеостазисные значения параметров Ф₀, О₀ и П₀ приняты равными средним значениям по всем эталонным участкам с соответствующими почвенными комплексами; состояние природных комплексов в начале процесса самовосстановления характеризуется значениями Ф = 0,25Ф₀ и О = 0,25О₀. При оценке самовосстановительных процессов установлены интервальные значения параметров состояния природных комплексов, равные 75% от гомеостазисных значений (что качественно интерпретируется как «природные комплексы в основном восстановлены») и 90% («природные комплексы практически полностью восстановлены»). Прогнозные периоды восстановления параметров состояния обозначаются как и (первый интервальный уровень) и , (второй интервальный уровень).

Рис. 10. Динамика параметров состояния природных комплексов при самовосстановительных процессах на территории

N - продолжительность самовосстановительных процессов, лет;

типы почвенных комплексов: 1 - пойменные мелкодерновые, 2 - подзолы надмерзлотно-глееватые, 3 - тундровые торфянисто-глеевые.

Из трех рассмотренных типов почв наибольшей регенеративной способностью отличаются пойменные мелкодерновые почвы, для которых достижение интервального уровня в 75% происходит для первого параметра на 21 год самовосстановительного процесса, а для второго параметра - на 32 год. Относительные темпы восстановления количества органического вещества опережают рост фитомассы на протяжении всего времени самовосстановления природных комплексов. Достижение параметрами нижней границы, характерной для состояния динамического равновесия, происходит на 82 год, после которого процессы самовосстановления можно считать практически завершенными.

Надмерзлотно-глееватые подзолы отличаются значительно более низким самовосстановительным потенциалом, с отставанием относительного накопления органического вещества от фитомассы. Первый интервальный уровень по двум параметрам достигается на 81 год, а практическое завершение самовосстановления приходится на 189 год.

Катастрофически низкими темпами самовосстановления характеризуются тундровые почвы. За моделируемый период 500 лет количество органического вещества восстанавливается не более чем до уровня 40% от гомеостазисного значения; соответственно, для данных типов почв нецелесообразно использовать количество органического вещества в качестве критерия завершения самовосстановительных процессов на территории. Таким образом, единственным интервальным показателем для тундровых почв остается фитомасса природных комплексов, которая восстанавливается до нижней границы динамически равновесного состояния за 281 год. Одновременно становится очевидной необходимость сохранения максимально возможного количества органического вещества при производстве горных работ на почвах данного вида.

Влияние начального уровня повреждения природных комплексов на прогнозные сроки их самовосстановления показано на рис. 11. Продолжительность самовосстановительных процессов оценивалась по однопараметрическому критерию - количеству фитомассы. С увеличением самовосстановительного потенциала почв уменьшается влияние начального количества органического вещества на продолжительность процессов самовосстановления; одновременно возрастает влияние начального количества фитомассы. Для всех типов почв начальный уровень органического вещества менее 30 - 40% от гомеостазисного значения приводит к значительному замедлению самовосстановительных процессов, независимо от начального количества фитомассы. При начальных уровнях органического вещества более 50% начальное количество фитомассы становится фактором, более значимо влияющим на прогнозные сроки самовосстановления природных комплексов, чем органическое вещество.

Рис. 11. Прогнозные периоды восстановления фитомассы (а - тундровые торфянисто-глеевые почвы, б - надмерзлотно-глееватые подзолы, в - пойменные мелкодерновые почвы)

- количество органического вещества в начале процесса восстановления в долях от гомеостазисного значения, %; - моделируемый период восстановления количества фитомассы до уровня 75 % от гомеостазисного значения, лет; 1, 2, 3 - начальное количество фитомассы соответственно 10 %, 25 % и 50 % от гомеостазисного значения.

Наибольшей чувствительностью прогнозные сроки самовосстановления и обладают к изменению параметра П₀; относительное изменение периода самовосстановления близко по своей величине к относительному изменению данного параметра. Влияние на T_Ф начальных погрешностей при определении количества фитомассы несколько меньше; относительное изменение T_Ф составляет не более 70% от относительного изменения Ф₀. Наименьшая чувствительность моделируемых сроков самовосстановления зафиксирована по отношению к начальному количеству органического вещества - не более 35%. Таким образом, используемая модель динамики параметров состояния природных комплексов является достаточно устойчивой по отношению к погрешностям моделирования начальных значений Ф₀, О₀ и П₀.

Магаданская область характеризуется весьма неравномерным распределением по территории месторождений полезных ископаемых. Наибольшее количество перспективных россыпных месторождений золота расположено на северо-западе области, в границах от 61° до 64° северной широты и от 145° до 154° восточной долготы; общая площадь данной территории составляет около 155 тыс. кв. км. Там же сосредоточены основные горнопромышленные полигоны, отработанные за период с 1924 по 2008 гг.

Результаты геомоделирования значений показателей годовой динамики солнечной радиации на горнопромышленных территориях области показаны на рис. 12. Суммарное годовое количество приходящей солнечной энергии на горнопромышленные территории области отличается хорошо выраженной широтной дифференциацией, с убыванием E_год по мере продвижения к северу (рис. 12, а). Максимальное моделируемое значение E_год на данной территории составляет 3868 МДж, минимальное - 3485 МДж. Наличие участка с годовым количеством солнечной радиации свыше 3850 МДж обусловлено неизменно высоким пропусканием атмосферы в междуречье Хинике и Кулу.

Моделируемые значения условной продолжительности вегетативного периода находятся в диапазоне 82 - 108 условных единиц, с коэффициентом вариации в пределах территории 7,6%. Вся рассматриваемая территория в целом достаточно отчетливо разделяется на южную и северную части, разделенные узкой переходной полосой со значительными градиентами значений T_ВП (рис. 12, б). Величина E_Дt в пределах горнопромышленных территорий изменяется от 2,91 до 5,15 с коэффициентом вариации 15,1%; наиболее неблагоприятные по данному показателю территории расположены на северо-западе (рис. 12, в). Среднее по территории значение удельной энергетической обеспеченности наиболее продуктивного периода вегетации составляет 0,81 при коэффициенте вариации 2,9%. Характерно очень сильное влияние, оказываемое на величину ДE₊₅ местными климатическими особенностями, в результате две области с экстремальными уровнями показателя разделены расстоянием всего 14 км (рис. 12, г). Необходимо отметить, что выделяемые по каждому из трех используемых показателей T_ВП, E_Дt и ДE₊₅ территории с экстремальными уровнями самовосстановительного потенциала достаточно хорошо согласуются между собой.

При районировании горнопромышленных территорий по прогнозным срокам восстановления природных комплексов динамика солнечной радиации накладывается на особенности почвенного природно-генетического потенциала, результатом чего является весьма контрастная картина распределения прогнозных сроков по территории. Моделируемые значения лежат в пределах от 30 до 106 лет; значения прогнозных периодов от 50 до 70 лет зафиксированы для 52% рассматриваемой территории. Средневзвешенное, с учетом площадей участков, значение составляет 67 лет.

Наиболее благоприятная по показателям динамики солнечной радиации территория, расположенная в центре восточной части горнопромышленных территорий, в целом характеризуется и наименьшими периодами самовосстановления. Соседство отдельных, относительно небольших по площади участков с существенно различающимися уровнями самовосстановительного потенциала почвенных комплексов приводит к появлению локальных градиентов свыше 4 лет/км (рис. 13).

Рис. 12. Результаты моделирования годовой динамики солнечной радиации на горнопромышленных территориях Магаданской области (а - E_год, МДж; б - T_ВП; в - E_Дt, МДж/град; г - ДE₊₅)

Прогнозируемая продолжительность восстановления органического вещества до 75%-го уровня, при одинаковой степени начального повреждения природных комплексов, как правило, значительно превышает периоды восстановления фитомассы. Диапазон моделируемых значений лежит в пределах от 12 лет до верхней временной границы моделирования, равной 500 лет. Градиент значений достигает 25 лет/км. При этом общая площадь участков со сроками восстановления органического вещества свыше 400 лет составляет 15018 кв. км, или 9,7% от общей площади рассматриваемой территории. Малые сроки восстановления, не превышающие 50 лет, зафиксированы на 6 участках общей площадью 5289 кв. км (3,4% территории).

Рис. 13. Прогнозные сроки восстановления природных комплексов T_Ф^75%, лет (уровень начального повреждения Ф = 0,1Ф₀ и О = 0,25О₀)

Средневзвешенное для всех горнопромышленных территорий значение прогнозного периода восстановления органического вещества составляет 230 лет, что превышает средние сроки восстановления фитомассы в 3,4 раза. В то же время на отдельных, сравнительно немногочисленных участках наблюдаются более высокие темпы восстановления органического вещества по сравнению с фитомассой; различие в моделируемых сроках достигает 23 лет (рис. 14). В целом картины распределения по территории моделируемых значений периодов восстановления фитомассы и органического вещества, согласно рис. 13 и 14, качественно совпадают с достаточной точностью.



Рис. 14. Прогнозные сроки восстановления природных комплексов T_О^75%, лет (уровень начального повреждения Ф = 0,1Ф₀ и О = 0,25О₀)

Увеличение начального количества органического вещества до уровня О = 0,5О₀ приводит к значительному сокращению прогнозных сроков восстановления фитомассы; их средневзвешенное значение по всей горнопромышленной территории становится равным 54 годам (на 20% меньше по сравнению с уровнем О = 0,25О₀). Сокращение моделируемых сроков восстановления органического вещества идет более медленными темпами; средневзвешенное значение периода самовосстановления составляет 180 лет (уменьшение на 22%). Значительно возрастает общая площадь территорий с моделируемыми периодами самовосстановления менее 50 лет - до 25850 кв. км; в то же время суммарная площадь участков со сроками восстановления более 400 лет сокращается в меньшей степени - до 9692 кв. км.