Применение методов машинного обучения для выделения пылевого загрязнения области открытой добычи угля

Методы машинного обучения находят все более широкое применение в экологических исследованиях благодаря своей способности обрабатывать большие объемы данных и извлекать из них полезные закономерности. Они используются в таких направлениях, как: мониторинг окружающей среды, классификация типов поверхности, прогнозирование изменений в экосистемах и др.
Влияние пыли, возникающей при открытой добыче угля, на прилегающую территорию является важной экологической проблемой и может проявляться в различных аспектах. Угольная пыль может оседать на поверхности растений и почвы. Она может содержать тяжелые металлы и другие токсичные вещества, что загрязняют почву и подземные воды. Это приводит к нарушению фотосинтеза и ухудшению роста растительности. В связи с этим, необходимо проводить своевременную оценку воздействия пылевого загрязнения на прилегающую территорию для принятия мер по минимизации его негативного влияния.
Использование данных дистанционного зондирования Земли (ДЗЗ) позволяет провести предварительный анализ влияния пылевого загрязнения на прилегающую территорию. Важным шагом исследования является определение границ пылевого загрязнения.
Целью данной работы является исследование возможности применения методов машинного обучения для выделения пылевого загрязнения области открытой добычи угля по данным ДЗЗ.
В качестве исходных данных использовалась информация об угольных разрезах в различных субъектах РФ, полученная со спутников Sentinel-2 за периоды начала таяния снега в 2018-2024 гг. В эти периоды пылевое загрязнение видно наиболее отчётливо. Проведено сравнение двух методов машинного обучения для выделения пылевого загрязнения: случайный лес и нейронные сети. Их апробация проводилась для угольных разрезов, расположенных на территории ДФО. Полученные результаты в различной степени соответствовали области пылевого загрязнения, выделенной специалистами вручную.
По результатам проведенного исследования можно сделать вывод, что методы машинного обучения являются перспективным инструментом для выделения области пылевого загрязнения при открытой добыче угля. Их использование позволяет упростить процесс и существенно сократить временные затраты на определение границ пылевого загрязнения.
Для выполнения расчетов были использованы вычислительные ресурсы ЦКП «Центр данных ДВО РАН».
Исследования выполнены при поддержке Российского научного фонда (проект 24-11-20029)