Ученые ОИЯИ решают задачу оценки загрязненности почвы без взятия проб

Выявленная в ходе исследования состава почв на наличие потенциально токсичных металлов корреляция между картой загрязнений и картой почвенного покрова, основанной на снимках со спутника, стала основой для разработки учеными Лаборатории нейтронной физики (ЛНФ) Объединенного института ядерных исследований (ОИЯИ) методики оценки загрязненности почвы без взятия проб, 7 августа сообщает пресс-служба ОИЯИ

По мнению исследователей из ЛНФ, выявленную взаимосвязь при определенных условиях можно использовать для определения областей аномального загрязнения почвы там, где взять пробы невозможно.

Растущая в настоящее время во всем мире индустриализация и урбанизация затрагивает и сельские, и городские районы, создавая серьезную проблему для здоровья населения из-за загрязнения почвы потенциально токсичными металлами. Большинство токсичных металлов обладают биологической активностью и при этом практически не удаляются из экосистемы естественным путем.

Поскольку исследовательских работ по экологии малых городов мало, ученые ОИЯИ решили исследовать проблему загрязнения почвы потенциально токсичными металлами на примере города Кольчугино Владимирской области, поскольку в нем сосредоточено много предприятий цветной металлургии.

Исследователи отобрали образцы почвы в разных местах города и определили в них с помощью атомно-абсорбционного спектрометра уровень содержания металлов 1-го и 2-го классов опасности: цинка, свинца, меди и кадмия.

Далее ими был рассчитан потенциальный экологический риск, индекс нагрузки загрязнения и индекс общего загрязнения. Для определения источников загрязнения в почве был применен многомерный статистический анализ.

Ученые нанесли на карту вычисленные массовые доли этих четырех тяжелых металлов, а по рассчитанному с помощью комплекса геоинформационных программных продуктов ArcGIS уровню загрязнения построили картосхемы загрязнения почв. Это позволило установить области аномального загрязнения тяжелыми металлами.

На следующем этапе исследования на изучаемой территории с помощью дистанционного зондирования наземным имидж-сканером были выделены участки с различиями почвенно-растительного покрова (LULC).

Спутниковые снимки для получения карты LULC классифицировались по методу максимального правдоподобия. В результате были определены шесть классов землепользования/почвенного покрова: городские, водные, зеленые, лесные, болотные и промышленные районы.

LULC-анализ показал, что городской класс является наиболее загрязненным среди всех шести классов, а пики загрязнения приходятся на промышленные зоны, что совпадало с результатами определения индексов загрязнения.

Ученые считают, что полученные в исследовании данные являются научным доказательством загрязнения промышленного города тяжелыми металлами. Они помогут определить области, где необходимо осуществлять контроль за выбросами. А для их снижения, например, увеличить объем вторичной переработки или ужесточить правила размещения промышленных отходов.

Результаты исследования авторы представили в статье «Оценка загрязнения почвы потенциально токсичными металлами в г. Кольчугино, Россия: характеристика и загрязнение», опубликованной в журнале MDPI Land 2023, 12(2).

«Когда мы нашли сходство между фотографиями со спутника и составленной в ходе нашего исследования картой, мы предположили, что сможем использовать этот метод для оценки загрязнения почвы в тех областях, где невозможно взять пробы, то есть сможем смоделировать ситуацию исходя из карты LULC», — рассказал один из авторов исследования старший научный сотрудник ЛНФ Ваель Бадави.

Ученый считает предложенный подход очень перспективным с точки зрения экологических исследований. Однако сейчас с помощью этого метода невозможно определить, чем именно загрязнена почва и по какому элементу превышена допустимая концентрация. Снимки со спутника дают лишь общую картину.

«Безусловно, работу мы продолжим, — отметил Ваель Бадави, — в разных местах и в разное время года, будем смотреть динамику и подключать машинное обучение, будем создавать модели для нахождения закономерностей».