Процессы термоденудации в криолитозоне и их индикация по растворенному органическому веществу

Yury Dvornikov

Процессы термоденудации в криолитозоне и их индикация по растворенному органическому веществу

Диссертационная работа посвящена изучению криогенных процессов зоны сплошного распространения многолетнемерзлых пород. Рассмотрено влияние активизации процессов термоденудации на водные экосистемы Арктики (на примере полуострова Ямал). Основные достигнутые результаты сформулированы в виде двух положений: А) Климатические изменения и связанная с этим активизация опасных  криогенных процессов приводят к значительному увеличению концентрации растворенного органического вещества (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; Б) 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.

Геология

Диссертации

Вуз: Независимое исследование (нет вуза)

ID: 5a958e027966e145c6892cf3

UUID: 3d413d00-fe0d-0135-828a-525400005860

Язык: Русский

Опубликовано: больше 6 лет назад

Просмотры: 63

21.68

Yury Dvornikov

Московский государственный университет имени М.В. Ломоносова (МГУ имени М.В. Ломоносова)

Комментировать 0

Рецензировать 0

Скачать - 10,0 МБ

Поделиться работой

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ УЧРЕЖДЕНИЕ НАУКИ ИНСТИТУТ КРИОСФЕРЫ ЗЕМЛИ СИБИРСКОЕ ОТДЕЛЕНИЕ РОССИЙСКОЙ АКАДЕМИИ НАУК На правах рукописи Дворников Юрий Александрович ПРОЦЕССЫ ТЕРМОДЕНУДАЦИИ В КРИОЛИТОЗОНЕ И ИХ ИНДИКАЦИЯ ПО РАСТВОРЕННОМУ ОРГАНИЧЕСКОМУ ВЕЩЕСТВУ Специальность 25.00.08 – инженерная геология, мерзлотоведение и грунтоведение диссертация на соискание ученой степени кандидата геолого-минералогических наук Научный руководитель: доктор геолого-минералогических наук Лейбман Марина Оскаровна Научный консультант: кандидат геолого-минералогических наук Хомутов Артем Валерьевич Тюмень 2016

2 СОДЕРЖАНИЕ: СПИСОК СОКРАЩЕНИЙ ....................................................................................................... 5 ВВЕДЕНИЕ .................................................................................................................................. 6 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 ...................................... 49 2.3. Пространственная изменчивость ОРОВ в озерах .................................................... 53 2.4. Сравнение полученных данных ОРОВ с другими регионами ............................... 57

3 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 .......... 69 3.2. Выделение водосборных бассейнов на основе ЦМР .............................................. 70 3.3. Картографирование растительности с применением ДДЗ...................................... 71 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 ........... 103 4.2.1. Активизация и динамика термоцирков .......................................................... 103 4.2.2. Влияние процессов термоденудации на концентрацию ОРОВ в озерах..... 108 ВЫВОДЫ ................................................................................................................................. 118 СПИСОК ЛИТЕРАТУРЫ ..................................................................................................... 123 СПИСОК РАБОТ, ОПУБЛИКОВАННЫХ АВТОРОМ ПО ТЕМЕ ДИССЕРТАЦИИ ..................................................................................................................................................... 146

4 ПРИЛОЖЕНИЯ ...................................................................................................................... 152 Приложение 2.1 ..................................................................................................................... 152 Приложение 2.2 ..................................................................................................................... 154 Приложение 2.3 ..................................................................................................................... 156 Приложение 2.4 ..................................................................................................................... 157 Приложение 2.5. .................................................................................................................... 158 Приложение 3.1 ..................................................................................................................... 174 Приложение 3.2. .................................................................................................................... 175 Приложение 3.3. .................................................................................................................... 176

5 СПИСОК СОКРАЩЕНИЙ АОРОВ(λ) – значение абсорбции окрашенного растворенного органического вещества (оптической плотности) на длине волны λ БГД – база геоданных ВВ – взвещенные вещества ВД – Васькины Дачи (стационар) ГИС – географические информационные системы ДДЗ – данные дистанционного зондирования ММП – многолетнемерзлые породы ОРОВ – окрашенное растворенное органическое вещество ПЖЛ – повторно-жильные льды РОВ – растворенное органическое вещество РОУ – растворенный органический углерод СТС – сезонноталый слой ЦМР – цифровая модель рельефа CALM – Circumpolar Active Layer Monitoring CDOM – coloured dissolved organic matter DOC – dissolved organic carbon DOS – dark object subtraction GPS – global positioning system S – значение спектрального уклона кривой абсорбции ОРОВ SPM – suspended particulate matter TSP – Thermal State of Permafrost

6 ВВЕДЕНИЕ 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, дистанционными, компьютерного моделирования. Применение комплекса различных методов позволяет использовать РОВ для количественной оценки динамики верхних горизонтов криолитозоны. 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,

7 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

8 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 термокарстовых 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.

9 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 лабораторных наборы и разноплановых дистанционных материалов исследований, полевых, 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

10 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

11 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 интерферометрии, калиброванных на основе наземной радарной высокоточной тахеометрической съемкой с использованием автоматических процедур и экспертных оценок. Достоверность и аппробация работы. Данные, полученные в ходе работы над диссертацией, являются достоверными, поскольку получены с учетом общепринятых исследователей. стандартов, Лабораторные а также опыта исследования предыдущих 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 12th 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

12 (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 36th 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: Диссертация состоит из Введения, четырех глав и Выводов. Она изложена на 176 страницах, сопровождается 19 таблицами, 51 иллюстрацией и 8 приложениями. Список литературы включает 181 наименование. Благодарности: Автор выражает благодарность своему научному руководителю д.г-м.н. Марине Оскаровне Лейбман и научному консультанту к.г.-м.н. Артему Валерьевичу Хомутову за помощь в подготовке диссертации и за ценнейшие советы по теме исследования, за помощь в разработке структуры диссертации, сотрудникам Института криосферы Земли СО РАН Дамиру Раисовичу Мулланурову и к.г.н. Ксении Алексеевне Ермохиной за помощь в сборе полевых данных на Центральном Ямале, к.т.н. Анатолию Анатольевичу Губарькову (ТюмГНГУ) за помощь в сборе данных на площадках Новый Порт и Варандей, а также за ценные советы по теме работы. Автор выражает благодарность научному сотруднику Института полярных и морских

13 исследования им. Альфреда Вегенера доктору Биргит Хайм за помощь в сборе полевых данных и их обработке, обработке ДДЗ, доктору Аннетт Бартч и Барбаре Уидхельм за помощь в обработке радарных снимков и подготовке ЦМР. Отдельную благодарность автор выражает коллективу лаборатории им. Отто Шмидта (ААНИИ) к.г.н. Ирине Викторовне Федоровой, к.х.н. Елене Дмитриевне Добротиной, Татьяне Викторовне Скороспеховой, Антонине Александровне Четверовой, Наталье Константиновне Шумской и Людмиле Владимировне Королевой за помощь в обработке проб воды.

14 ГЛАВА 1. ХАРАКТЕРИСТИКА РАЙОНА РАБОТ И ПОСТАНОВКА ЗАДАЧИ МОНИТОРИНГА ТЕРМОДЕНУДАЦИИ 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

15 (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, Döll, 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. 1.1. Характеристика района работ 1.1.1. Геокриологические условия ключевого участка Ключевой участок расположен в центральной части полуострова Ямал (Западная Сибирь), биоклиматическая подзона D (CAVM Team, 2003) (рис.

16 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). Рис. 1.1 Расположение ключевого участка «Васькины Дачи» на Центральном Ямале Температура пород и глубина СТС зависят от ряда факторов: рельеф, растительность, снежный покров. Температура пород на глубине нулевых годовых амплитуд изменяется в пределах от -6 до -9˚С (Баулин и др., 1967) и

17 в настоящее время на 1-3 град выше, чем в 80-е годы (от 0 до -7°С, Leibman et al., 2015; Муллануров и др., 2015). Глубина СТС изменяется в пределах от 0,6 до более 1,6 метров в зависимости от ландшафтных условий и засоленности пород СТС (рис. 1.2), причем экстремумы отдельных лет могут достигать 1,7 метров (см. рис. 1.2). Ср.год температура воздуха, °С -3,0 -4,0 Годы 1993 1995 1997 1999 2001 2003 2005 2007 2009 2011 2013 2015 -5,0 -6,0 -7,0 -8,0 -9,0 -10,0 -11,0 Глубина протаивания, см 0 Мин Сред Макс 40 80 120 160 200 Рис. 1.2. Среднегодовая температура воздуха по данным ближайшей к изучаемой территории метеостанции Марре-Сале (верхний график). Мощность СТС (по данным площадки CALM на ключевом участке). Источник: (Лейбман, Кизяков, 2016)

18 Полигон «Васькины Дачи» характеризуется широким распространением пластовых льдов вблизи поверхности (Leibman, 1996; Хомутов и др., 2012; Leibman et al., 2015). Пластовые льды ключевого участка и в целом района исследований детально описаны (Баду и др., 1982; Дубиков, 2002; Данилов, 1987; Коняхин, 1992; Матвеев и др., 1990; Пармузин. Суходольский, 1982; Соломатин и др., 1993; Соломатин, Коняхин, 1997; Суходольский и др., 1984, Полуостров Ямал, 1975; Стрелецкая и др., 2002; Лейбман, Кизяков, 2007; Хомутов и др., 2012). Пластовые льды встречаются на глубинах с абсолютной высотой от -8 до 30 метров н.у.м., мощность залежей варьирует в пределах от 6 до 30 метров (Leibman, 1995; Стрелецкая, Лейбман, 2002). Криолитологический разрез по скважинам и обнажениям расположенным на разных участках исследуемой территории (рис. 1.3), свидетельствует об относительно неглубоком залегании пластовых льдов (рис. 1.4а-д). Льды, как правило, перекрыты песками и суглинками и подстилаются песками (Дубиков, 2002; Стрелецкая, Лейбман, 2002). 1.1.2. Криолитологическое строение ключевого участка Район работ характеризуется разнообразием литологического состава пород от песка до глины и торфа, с включениями текстурообразующего и залежеобразующего льда разной морфометрии и генезиса. Разрез изучался в скважинах, пробуренных в 1989-1990 гг. Местоположение скважин и обнажений показано залежеобразующим на рисунке льдом, 1.3. Основные определяющим развитие типы разрезов с термоденудации, приведены на рисунках 1.4 а-д. В расчистке 176м в стенке термоцирка (рис. 1.4а) сверху вниз вскрываются: 0 – 0,95 м. Песок талый, с глубины 0,95 м мерзлый, в основании слоя - с линзами суглинка с линзовидной криотекстурой. 0,95 – 2,9 м. Лёд пластовый с включениями суглинка.

19 2,9 – 3,9 м. Лёд пластовый с прослоями и линзами песка. 3,9 – 4,0 м. Прослой песка с атакситовой криотекстурой. Вероятно, вниз продолжается пластовый лед. Рис. 1.3. Схема литологического состава верхнего горизонта пород и расположение скважин (расчисток) и их индекс. В скважине 1099 ЛГТ (рис. 1.4б), пробуренной вблизи бровки термоцирка, сверху вниз вскрываются: 0 – 1,15 м. Суглинок талый 1,15 – 5,2 м. Лёд пластовый с линзами суглинка, на глубине 2,2 и 3,2 метра прослои суглинка до 20 см с толстыми шлирами льда. В забое скважины лед.

20 В скважине 187 м/2 (рис. 1.4в), сверху вниз вскрываются: 0 – 0,35 м. Супесь талая ожелезненная, оторфованная 0,35 – 1,0 м. Суглинок талый, с глубины 0,85 м мерзлый, криотекстура массивная. 0,85 – 5,55 м. Глина мерзлая, криотекстура сетчатая, ниже по разрезу слоистая, переходящая в массивную и к подошве слоя в линзовидную. 5,55 – 5,95 м. Супесь мерзлая, криотекстура массивная. 5,95 – 7,28 м. Песок мерзлый, оторфованный, с включениями растительных остатков. Криотекстура сетчатая. 7,28 – 9,65 м. Лёд пластовый с включением переслаивающихся супеси и песка. 9,65 – 9,95 м. Лёд пластовый с включением суглинка. 9,95 – 10,09 м. Лёд пластовый с включением песка. На забое скважины лёд. В скважине 178 м (рис. 1.4г), сверху вниз вскрываются: 0 – 0,65 м. Песок талый ожелезненный. 0,65 – 1,15 м. Глина талая. С глубины 1 метр - мерзлая, криотекстура гнездовидная. 1,15 – 2,15 м. Супесь мерзлая, криотекстура толстошлировая, слоистая, с глубины 1,5 м ячеистая и линзовиднослоистая между основной сеткой шлиров. 2,15-2,40 м. Песок мерзлый, криотекстура линзовидная и гнездовидная. 2,40-3,0 м. Супесь мерзлая, криотекстура толстошлировая гнездовидная. 3,0-4.75 м. Лёд пластовый, на глубине 4,2-4,35 м переслаивание супеси и песка с сетчатой криотекстурой. На забое скважины лёд. В скважине 181м (рис. 1.5д), сверху вниз вскрываются:

21 1 1.0 0.2 6 4 8 5 10 5 5.2 1.8 Криоген. текстура II II II Криоген. текстура Литологич еский разрез Геологич. индекс Толщина слоя, м Глубина слоя, мм Условные обозначения: Почвенно-растительный слой 1 1 1.3 1.3 2.3 3 4 2.50 0.20 2.55 0.05 II суглинок II супесь V глина 1.0 * * лед торф растит. остатки песок II 2 * * * * II II 4.75 0.40 6 9.56 2.37 7 9.95 0.30 8 10.09 0.14 Скв. 181м V 2 * * * II 4 6 4.20 1.20 7 4.35 0.15 3 5.55 4.7 4 5.95 0.4 5 7.28 1.33 II 5 3.00 0.60 № слоя Криоген. текстура Литологиче ский разрез Геологич. индекс 3.2 3.4 д Литологиче ский разрез Геологич. индекс Толщина слоя, м Глубина слоя, мм № слоя Толщина слоя, м 3 4 * * * 1.15 0.50 3 2.15 1.00 4 2.40 0.25 8 Глубина слоя, мм 4 II 2 3 5 1.05 II 1 0.65 0.65 2 2.2 Скв. 178м г 1 2 3 4 4.0 0.1 V Криоген. текстура 3.9 2 Литологич еский разрез 3 2 Геологич. индекс 1.95 1 1.15 1.15 Глубина слоя, мм 4 2.9 1 № слоя 3 2 СКВ. 187м/2 в 1 0.35 0.35 2 1.00 0.65 Толщина слоя, м 2 № слоя 0.95 Скв. 1099 ЛГТ б Криоген. текстура Толщина слоя, м 0.95 Литологиче ский разрез Глубина слоя, мм № слоя 1 1 Геологич. индекс Расч. 176м а * * оторфованность ожелезнение подошва СТС массивна криотекстура Рис. 1.4 Криолитологические разрезы скважин и расчисток на ключевом участке.

22 0-1,3 м. Песок, сверху перекрытый 20-см прослоем торфа, талый, с глубины 1,05 мерзлый, криотекстура массивная. 1,3-2,3 м. Лёд повторно-жильный. 2,3-2,5 м. Ледогрунтовая (песчаная) жила, «хвост» ледяной жилы, вертикальное переслаивание песка и льда. 2,5-2,55 м. Песок мерзлый, криотекстура массивная. Таким образом, пластовый лед встречается на глубинах от 1,0 до 7,3 м. В разрезах с неглубоким залеганием залежеобразующих льдов с поверхности льды перекрыты песком или суглинком, часто оторфованным, а в одной из скважин – мерзлым торфом. 1.1.3. Снежный покров ключевого участка Полевая снегомерная съёмка на ключевом участке (рис 1.5) выполнялась с 26 по 31 марта 2013 г. Толщина снега измерялась метровой металлической линейкой с делением 1 мм, плотность – при помощи весового снегомера ВС-43. Толщина снежного покрова измерялась в 233 точках: 121 точка была расположена на площадке мониторинга СТС, остальные – на трансекте мониторинга СТС и на других участках. Плотность снега измерена в 55 точках. Измеренные значения толщины снега колеблются в зависимости от типа местности, от 0 см до 315 см и более. На субгоризонтальных поверхностях средняя толщина снега составляет 15-30 см. В понижениях толщина снега составляет более метра и может достигать нескольких метров. Плотность так же изменяется в зависимости от условий: от 0,17 г/см3 на плоских вершинах, до 0,68 г/см3 на вогнутых участках склонов. Общие результаты снегомерной съемки приведены в таблице 1.1 (Дворников и др., 2015; Dvornikov et al., 2015).

23 Рис. 1.5. Ключевой участок с данными снегомерной съемки – охваченная территория - 7 км2 (трансекта, мониторинговые площадки за СТС, характерные участки). 1 – толщина снежного покрова (см) в точках снегомерной съемки 2013 г.; 2 – линия трансекты. Таблица 1.1. Результаты снегомерной съемки в марте 2013 года на ключевом участке Толщина снега Плотность снега Количество измерений 233 55 Минимальное значение 0 0.17 Максимальное значение 315 0.67 Среднее значение 29 0.33 Стандартное отклонение 38 0.09

24 Из таблицы 1.1 видно, что толщина снежного покрова – показатель для ключевого участка очень неравномерный, на что в большей степени влияет рельеф местности. В среднем, однако, результаты для толщины снега согласуются с данными предыдущих исследований (Копанев, 1978; Котляков, 2004; Рихтер, 1948), также для плотности (Полуостров Ямал, 1975). Аномально высокое максимальное значение плотности, измеренное в поле – 0,67 г/см3 – получено на вершинной поверхности с характерным микрорельефом, что говорит о сильном влиянии ветра на уплотнение снежного покрова. 1.1.4. Характеристика озер ключевого участка На полуострове Ямал насчитывается около 79 тысяч озер, общая площадь которых составляет около 9,9 тыс. квадратных километров (Полуостров Ямал, 1975). Заозеренность ключевого участка составляет 12%, как и в среднем по Ямалу (10%, Полуостров Ямал, 1975) и может достигать 20% на поймах рек Се-Яхи и Морды-Яхи (Романенко, 1999). На поймах этих рек находится также большое количество хасыреев, по сравнению с V (Салехардской) и IV (Казанцевской) морскими равнинами. Большую часть года (8-9 месяцев) озера покрыты льдом (Полуостров Ямал, 1975). Освобождение ото льда начинается в июне-июле. Площадь озер составляет от 0,14 до 346,6 га, среднее значение составляет 11,1 га. Крупные озера расположены, главным образом, на поймах реки Се-Яха и Морды-Яха. Измеренная для 19 озер глубина изменяется от 0,1 до 23,2 м, в среднем для всех измеренных озер составляя 3 м (n = 25000). Однако, для некоторых озер средняя глубина может составлять 9 и более метров. На ключевом участке расположено 363 озера площадью не менее 1500 м2, основные показаны на карте (рис. 2.2). Воды озер Ямала преимущественно ультрапресные, с нейтральной реакцией, относятся к гидрокарбонатному классу (Фотиев, 1999) и являются существенным источником водоснабжения ЯНАО (до 19% водопотребления, Бешенцев, 2013).

25 1.1.5. Характеристика водосборных бассейнов озер ключевого участка Водосборные бассейны озер (область, с которой и воды, и вещество суши могут перемещаться в воду озера) находятся в разных ландшафтных условиях. Амплитуда рельефа варьирует от 0 до 58 м над уровнем моря. Наблюдается несколько геоморфологических уровней, на которых встречаются озера и хасыреи (спущенные озера), в том числе на V Салехардской, IV Казанцевской морских равнинах, III аллювиальноозерной равнине, II аллювиальной террасе и на поймах рек Се-Яха и МордыЯха. Характер берегов озер также варьирует от пляжей до подмываемых уступов, от пологих склонов до крутых обрывов, иногда с нарушенным растительным покровом и активными криогенными процессами. Размеры водосборных бассейнов изменяются в диапазоне от 0,25 до 713,93 га при среднем значении 46,65 га, периметр от 0,31 до 32,77 км при среднем значении 3,89 км, отношение площади озера к площади водосборного бассейна варьирует в пределах от 0,01 до 1,69. Это означает, что площадь озера может составлять всего сотую часть площади водосборного бассейна и не достигать двойного размера водосборного бассейна. Верхняя часть водосборных бассейнов сложена песками и глинами (см. рис. 1.3), встречаются торфяники, главным образом, в зоне осушки озер, покрыты осоковой растительностью, кустарниками и кустарничками, мхами (Ребристая, Хитун, 1998). Примеры различных типов берегов приведены в табл. 2.6 (раздел 2.3). 1.2. Характеристика термоцирков ключевого участка 1.2.1. Термоденудация как процесс образования термоцирков Под термоденудацией понимается её значение в узком смысле (Кизяков, 2005), то есть процесс вытаивания подземных льдов с удалением оттаявшей породы и воды и образованием отрицательных форм рельефа

26 (Воскресенский, 2001). Присутствие в разрезе пластовых льдов наряду с динамикой СТС приводит к развитию термоденудации в исследуемом районе, приводящей к образованию специфических форм рельефа – криогенных оползней и термоцирков (Лейбман, Кизяков, 2007). В период с весны 2012 г. и до лета 2013 г. наблюдалась значительная активизация термоденудации на ключевом участке (Leibman et al., 2015) в связи с резким повышением летней температуры воздуха (рис. 1.2), сопровождавшимся заметным увеличением глубины СТС. По меньшей мере 6 протяженных обнажений по берегам озер (рис. 2.2) были документированы летом 2012 и 2013 гг. (рис. 1.6 – 1.7). Результатом этого процесса явилось значительное увеличение объема поступившего со склонов в озерную воду материала. Рис. 1.6. Термоцирк в прибрежной зоне озера. Фотография была сделана 26 августа 2014 г. с противоположного берега. За период исследований ключевого участка, начавшегося в 1987 г., основными криогенными образованиями были криогенные оползни скольжения (Лейбман, Кизяков, 2007). Термоцирки по берегам озер были крайне редки и незначительны по длине и площади поражения. Наблюдалось лишь 4 термоцирка, два из которых исчезли из-за полной

27 выработки пластового льда, а два оставшихся периодически затухали (Лейбман, 2005). В 2012 г. специфические климатические условия теплого сезона привели к сходу криогенных оползней течения с образованием новых или вскрытием и дальнейшим ростом древних термоцирков с комплексной деструкцией (Воскресенский, 2001) по повторно-жильным (ПЖЛ) и пластовым льдам. Резкое повышение температуры воздуха и, соответственно, температуры верхних горизонтов пород в начале теплого периода привело к сходу криогенных оползней течения уже в начале лета при глубине протаивания, достигшей к моменту активизации процесса не более 30% от максимальной. Мониторинг показал, что и максимальная глубина СТС превышала среднее значение за 1993-2011 гг. на 15%. На многих участках склонов встречались трещины, по которым наблюдался излив разжиженной породы, что свидетельствует о высоком поровом давлении в СТС. На преобразованных при техногенном воздействии поверхностях в результате разработки карьеров и при подрезке склонов при строительстве линейных объектов, активно развиваются процессы термоденудации, термоэрозии и термокарста. Их активность зависит от распространения и глубины залегания сильнольдистых пород, ПЖЛ и пластовых льдов на осваиваемой территории. Климатические факторы не имеют прямого влияния на техногенно обусловленные криогенные процессы, но могут повлиять на их активность и время развития. В таблице 1.2 приведены количественные показатели развития термоденудационных форм (расположение обследованных термоцирков показано на рис. 2.2). Скорость отступания внешней бровки термоцирков варьируется от 4,1 до 18,5 метров (см. таблицу 2.2, рис. 1,7), при этом наблюдается явная зависимость средней скорости отступания бровки от общей площади пораженности процессом. Ширина термоцирков может

28 достигать 200 метров, а площадь, пораженная процессом, варьирует от 0,34 до 3,94 гектаров (см. табл. 1.2). Средняя скорость отступания бровок получена на основе полевого и дистационного мониторинга с использованием космических снимков сверхвысокого пространственного разрешения и GPS приемников разного класса. Таблица 1.2. Количественная оценка образовавшихся термоциков, расположение показано на рис. 2.2. Термоцирк Нарушенная площадь, Среднее Класс объекта Образовался га отступание (по сост. на бровки 2015) (м/год) А 0,68 6,6 Природный 2012 Б 0,81 4,1 Техногенный ранее 2010 В-1 0,53 8,7 Природный 2012 Г-1 1,02 10,4 - 2012 Е 3,98 18,5 - 2012 Таким образом, в настоящее время в тундровой зоне полуострова Ямал в естественных условиях преобладают процессы, связанные с вытаиванием залежеобразующего льда из ММП (криогенные оползни течения), над процессами, связанными с формированием льда в СТС (криогенные оползни скольжения). Смена одних криогенных процессов другими обусловлена как периодическим повышением глубины протаивания, так и последовательным повышением температуры пород. Наблюдаемая в последние годы активизация криогенных процессов на полуострове Ямал связана: 1) с аномально теплым весенне-летним сезоном 2012 г., к концу которого на некоторых склонах произошло оттаивание верхней части сильнольдистых ММП и пластовых льдов, что

29 спровоцировало сход криогенных оползней течения и дальнейшее развитие термоцирков; 2) со строительством железной дороги и разработкой карьеров для площадных и линейных объектов, в результате чего при преобразовании поверхностей с ПЖЛ и пластовыми льдами произошла активизация комплекса криогенных процессов, развивающихся в течение ряда лет. Рис. 1.7. Фотографии термоцирка А (верхняя – сентябрь 2012 года, нижняя – август 2015 года). 1.2.2. Криолитологическое строение термоцирков Согласно геологическим разрезам (рис. 1.4), пластовый лед может залегать довольно близко к поверхности (см. раздел 1.1.2). Обнажения, обнаруженные в полевой сезон 2012−2015 гг., выявили погребенные ПЖЛ, вклинивающиеся в пластовые льды (рис. 1.8, 1.11). Погребенные залежи торфа (рис. 1.9 – 1.10) мощностью в несколько метров также вскрываются в обнажениях, формируя при этом блоки между жилами льда. Такие обнажения нетипичны для этого региона и описаны, главным образом, на обнажениях по берегам морей и рек (Leibman et al., 2013). ПЖЛ слабо проявляются в рельефе в виде слабовыраженного полигонального рельефа на холмах. В 2015 году из торфа, обнаруженного в обнажении термоцирка

30 А (рис. 1.9), была отобрана водная вытяжка (рис. 1.10) для анализа концентрации РОУ. Торф Суглинок Торф Включения песка Рис. 1.9. Обнажение термоцирка A и его криолитологическое строение. Из обнаруженной залежи торфа взята водная вытяжка для анализа на содержание РОУ (рис. 1.10). Рис. 1.10. Отбор пробы воды из торфа, найденного в обнажении термоцирка A, для анализа на содержание РОУ. Результаты показали концентрацию, равную 243 мг/л, что является очень высоким значением (средняя концентрация в озерной воде участка составляет 3-5 мг/л, см. разд. 2.1.6 и приложение 2.1).

31 Рис. 1.11 Пластовый лед и ПЖЛ в обнажении термоцирка Д-1. 1.3. Возможность индикации процесса термоденудации по состоянию озерной воды (постановка задачи) В мировой практике многие исследования экзогенных процессов ограничиваются либо дистанционными (например, Brooker et al., 2014), либо полевыми (например, Fortier et al., 2007) исследованиями. Редкие проекты связаны с совместным анализом дистанционных материалов и полевым мониторингом (Кизяков и др., 2013). Известные сочетания полевого и дистанционного мониторинга относятся к ограниченному числу природных объектов. Так на международном стационаре "Самойловский" на севере Якутии совместными исследованиями российских и немецких мерзлотоведов (Grosse et al., 2007; Lantuit et al., 2011; Gunther et al., 2013; Morgenstern et al., 2013) изучаются береговые процессы с применением полевых и дистанционных методов, однако, в гораздо более однородных ландшафтно-мерзлотных условиях низких поверхностей дельты Лены. На севере Канады и Аляски активно изучаются криогенные процессы полевыми (Hoque et al., 2009; Kokelj et al., 2013) и дистанционными (Jones et al., 2013) методами. Исследуется динамика растительности и развитие термокарстовых озер с применением дистанционных методов (Walker et al.,

32 2015), однако, исследования ограничиваются влиянием климата и его прогнозом с учетом обратных связей. При этом термокарст рассматривается как основной процесс, вызванный потеплением климата (Jorgenson et al., 2008; Lantz, Turner, 2015). На Центральном Ямале работы с применением дистанционных методов ведутся и финскими исследователями (Kumpula et al., 2011). Они посвящены в основном социальным аспектам нарушений окружающей среды. В меньшей степени природным процессам. Настоящая работа характеризуется комплексированием методов исследования термокарстовых озер и их водосборных бассейнов. Отдельное внимание уделено влиянию процессов комплексной деструкции с образованием термоцирков и возможности индикации этих процессов по состоянию озерной воды. Происходящие в настоящее время климатические изменения (IPCC, 2007) могут привести к изменению арктических ландшафтов и, как следствие, к увеличению транспорта органического вещества в озера. Зарастание водосборных бассейнов может также привести к образованию дополнительного источника органического вещества в озерах (Pienitz, Smol, 1993; Wetzel, 2001). Более того, потепление может привести к увеличению температуры пород (Romanovsky et al., 2010) и увеличению толщины СТС (Zhang et al., 1997) и, следовательно, активизации различных криогенных процессов, таких как криогенные оползни и термоцирки (Mackay, 1963; Лейбман, Кизяков, 2007). На основе данных, полученных в дельте реки Маккензи (Канада), было сделано предположение, что активизация криогенных процессов приводит в дальнейшем к снижению концентрации органического вещества в озерной воде из-за его седиментации на тонкодисперстных глинистых частицах и выпадения в осадок (Thompson et al., 2008). Однако остается неизвестным, является ли это действительным для всей Арктики, учитывая, что содержание органического вещества в почве может сильно варьировать в

33 зависимости от региона (Strauss et al., 2013). Более того, на содержание органического вещества могут также оказывать влияние и характеристики самих водоемов. Содержание РОВ в озерах может быть определено не только в полевых условиях, но также и с использованием оптических ДДЗ (Kutser et al., 2005a), которые, в случае удовлетворительной калибровки, могут быть использованы для оценки содержания органического вещества в озерной воде на значительной территории. В работе автор предлагает подход к анализу распространения термоцирков по состоянию озер, в береговой зоне которых, как правило, и образуются термоцирки. Он заключается в исследовании комплексом полевых, лабораторных и дистанционных методов содержания РОВ, как индикатора изменений, происходящих в системе «водосборный бассейн – термокарстовое озеро».

34 ГЛАВА 2. Комплекс полевых, лабораторных и дистанционных методов изучения окрашенного растворенного органического вещества в озерах Ямала 2.1. Полевые и лабораторные методы изучения окрашенного растворенного органического вещества 2.1.1. ОРОВ: природа, характеристика, свойства Органическое вещество – составляющая любых внутренних водоемов. Органическое вещество может быть представлено в растворенном и взвешенном состоянии. Окрашенная фракция растворенного органического вещества (ОРОВ), в англоязычной литературе CDOM (coloured dissolved organic matter), является значимым компонентом водных экосистем (Kalle, 1939; Скопинцев, 1950), включая термокарстовые озера высокоширотной Арктики (Vincent et al., 1998). Различия между растворенной и взвешенной фракциями определяется размером молекул. Принято, что растворенная фракция - та, которая меньше 0,45–1 µm (Романкевич, 1997), и, следовательно может быть отделена при помощи фильтрования с использованием фильтров с соответствующим размером пор. ОРОВ состоит, главным образом, из гуминовых и фульвокислот (Скопинцев, 1950; Wetzel, 2001), являясь источником питания для гетеротрофных бактерий в озерной воде (Tranvik, 1990) и играя специфическую роль в цикле углерода. ОРОВ – составляющая часть РОУ, в англоязычной литературе DOC (dissolved organic carbon) – параметра, используемого очень часто при характеристике содержания органики в водных объектах. Поэтому, ОРОВ может служить оптически измеряемым показателем параметра РОУ, а также показателем «цветности» (Gjessing, 1976). Поглощая, главным образом, коротковолновое излучение (ультрафиолетовое и голубой участок видимого диапазона), ОРОВ может оказывать влияние на степень проникновения солнечного света в глубинные

35 слои водных объектов, а также на их температурный режим (Zaneveld, 1975; Vincent, Pienitz, 1996; Twardowski, Donaghay, 2001). РОВ в водоемах может иметь два вида происхождения: автохтонное и аллохтонное (Kalle, 1966). Автохтонное РОВ образуется непосредственно в пределах водоемов, являясь продуктом жизнедеятельности фитопланктона, в то время как аллохтонное РОВ является «поступившим» в водный объект из окружающего его водосборного бассейна. В северных высокоширотных озерах автохтонное РОВ не играет определяющей роли в формировании общей концентрации РОУ вследствие неблагоприятных климатических условий и «не-обильности» фитопланктона, в то время как аллохтонное РОВ может составлять основную часть концентрации РОУ (Wetzel, 2001, Engstrom, 1987). Техногенные источники органического вещества (Торопов, Бешенцев, 2013) не рассматривались, в связи с тем, что исследуемый участок расположен на некотором расстоянии от Бованенковского месторождения. В работе анализировались 2 измеряемых параметра ОРОВ: 1) Значение абсорбции (оптической плотности) электромагнитного излучения на определенном участке спектра (длине волны, λ), АОРОВ(λ). Кривая поглощения солнечного света молекулами ОРОВ (рис. 2.1) имеет вид экспоненты, убывающей с увеличением λ (Jerlov, 1968). Значения абсорбции на участке от 700 нм, как правило, равняются нулю (напр. Davis-Colley, Vant, 1987; Twardowski et al., 2004). Абсорбция ОРОВ на определенной λ прямо пропорциональна концентрации ОРОВ в воде. 2) Значение спектрального определенного участка угла длин наклона волн S, (λ1–λ2), вычисляемое может для служить характеристикой источника ОРОВ в воде (Twardowski et al., 2004; Helms et al., 2008; Carder et al., 1989). Более низкие значения S могут служить индикатором того, что в воде растворено больше органики

36 алохтонного происхождения (Laurion et al., 1997), что связано с более высокой долей гуминовых кислот, имеющих больший молекулярный вес (Kaishan et al., 2015), которые более интенсивно поглощают длинноволновое электромагнитное излучение. Значение АОРОВ(λ) при этом повышается, а значение S, соответственно, падает. Рис. 2.1. Пример кривой абсорбции электромагнитного излучения молекулами ОРОВ. Значения абсорбции убывают с ростом значений длины волны. Источник: http://www.oceanopticsbook.info/view/absorption/definitions 2.1.2. Методика опробования, первичной подготовки и хранения образцов Полевые работы велись на Центральном Ямале на полигоне «Васькины Дачи» (ВД), организованном в 1988 г. и обеспеченном данными многолетнего мониторинга (Leibman et al., 2015) (рис. 2.2). В пределах полигона отобраны для изучения озера в соответствии с оптическими и морфометрическими критериями, а именно имеющие различия в визуальных и морфометрических свойствах изображения на космических снимках в оптическом диапазоне. Различие в отображении на

37 снимках (комбинация каналов «естественные цвета» - 3 (красный) – 2 (зеленый) -1 (голубой)), предположительно, означает различия в содержании ОРОВ и количестве взвешенных веществ (ВВ, в англоязычной литературе suspended particulate matter, (SPM)). Различия в положении в рельефе и площади водосборного бассейна отражается на составе и путях перемещения веществ, поступающих в озера. Рис. 2.2. Карта фактического материала ключевого участка (научный стационар Васькины Дачи). В качестве основы использован снимок Landsat 8 за 19-07-2014 (ближний инфракрасный канал), а также ЦМР TanDEM-X (DLR©) с пространственным разрешением 12 метров. Пробы воды для определения концентрации ОРОВ были собраны в спокойных погодных условиях из верхних 30 см водного столба, с берега или в центре озера с лодки в августе-сентябре 2011-2015 гг. (табл. 2.1). Всего за 5 лет было отобрано 75 проб из 30 озер (рис. 2.2, табл. 2.2), результаты обработки которых были использованы в основном анализе.

38 Остальные пробы (> 30) отбирались для экспериментов по определению зависимостей концентрации ОРОВ от позиции отбора (берег, центр), глубины отбора (верхний слой, глубинный слой), также проведен отбор болотной воды для анализа на концентрацию ОРОВ. Таблица. 2.1. Даты отбора проб на полигоне по годам Экспедиция Начало отбора Конец проб отбора проб ВД 2011 25.08 09.09 ВД 2012 24.08 06.09 ВД 2013 21.08 05.09 ВД 2014 16.08 29.08 ВД 2015 17.08 29.08 Образцы хранились в темных прохладных условиях (4-8 градусов), чтобы избежать фото-деградации органического вещества под действием ультрафиолета (Bricaud et al., 1981). В 2011 и 2012 гг. образцы фильтровались в лаборатории не позже чем через 3 недели после завершения полевых работ с применением стекловолокнистых фильтров Whatman GF/F с размером поры 0,7 микрометров. В 2013 - 2015 гг. образцы фильтровались непосредственно в поле с применением тех же фильтров. При отборе проб мы старались следовать методикам отбора и хранения, описанным ранее (например, Bricaud et al., 1981; Davies-Colley, Vant, 1987; Jaffe et al., 2008). Однако, методика отбора по некоторым пунктам отличается от европейских (ISO) и государственных (ГОСТ) стандартов по определению «цветности» воды, разработанных для компаний, занимающихся экологическими изысканиями. Так, российский стандарт (ГОСТ 31868-2012) и европейский (ISO 7887: 2011) предписывают анализ оптической плотности не позднее 1 и 5 суток после отбора, соответственно.

39 Однако, большинство научных статей об ОРОВ свидетельствуют о проведении лабораторного анализа в срок до 1 месяца и более. Также наилучший размер поры фильтров для отделения растворенной фракции органического вещества дискуссионен. Предписанный стандартами ISO и ГОСТ размер 0,45 микрометров может отличаться от тех, что были использованы в научной литературе. Размеры пор 0,2, 0,45 и 0,7 микрометров использовались для получения значений оптической плотности ОРОВ во внутренних водоемах (Laurion et al., 1997; Kutser et al., 2005a; Jaffe et al., 2008; Kaishan et al., 2015). Необходимо отметить, что распространенные фильтры с размером пор 0,45 микрометров являются целлюлозно-ацетатными, и могут содержать органическое вещество. Поэтому стекловолокнистые фильтры имеют преимущество по сравнению с последними. Таблица 2.2. Озера, из которых были взяты пробы для определения ОРОВ (20112015) и РОУ (2015) Индекс озера Долгота Широта Активные термоцирки LK-001 68.8828 70.2787 - LK-002 68.9045 70.2976 - LK-003 69.0019 70.2898 - LK-004 68.9704 70.2809 - LK-006 68.8991 70.2877 - LK-007 68.9912 70.2672 - LK-008 68.8113 70.2759 - LK-009 68.7901 70.3027 - LK-010 68.8642 70.3012 - LK-012 68.9218 70.2826 - LK-013 68.8843 70.2563 - LK-014 68.8737 70.2835 -

40 LK-015 68.9217 70.2650 + LK-016 68.9335 70.2668 - LK-017 69.0221 70.2326 + LK-018 69.0062 70.2319 + LK-019 68.9951 70.2301 + LK-020 68.9754 70.2311 - LK-022 68.9562 70.2358 - LK-024 68.8168 70.2215 - LK-025 69.0357 70.2738 - LK-026 69.0484 70.2724 - LK-027 69.0757 70.2752 + LK-028 69.0942 70.2700 - LK-029 69.1129 70.2746 - LK-031 69.1852 70.2756 + LK-033 68.7960 70.2635 - LK-034 68.7390 70.2716 - LK-035 68.8737 70.2155 - LK-036 68.8491 70.2176 - 2.1.3. Измерение ОРОВ в лабораторных условиях Лабораторные определения в образцах воды проводились в Лаборатории Отто Шмидта (OSL, Санкт-Петербург). Был проведен спектрофотометрический анализ проб воды на двухлучевом спектрофотометре Specord 200. Анализ проводился в диапазоне 200-750 нм (ультрафиолетовый и видимый участки электромагнитного спектра) и позволил определить спектры поглощения в каждой пробе. Анализ был проведен с оптическим разрешением прибора – 1 нм.

41 При анализе детектор измеряет интенсивность света после прохождения сквозь кюветы с пробой воды относительно начальной интенсивности: Т (λ) = I / I0, (2.1) где I – зарегистрированная интенсивность света после прохождения сквозь кюветы, I0 – исходная интенсивность света, сгенерированного лампой (определяется регулярными калибровочными измерениями). Для получения значений оптической плотности исследуется абсорбция (A0) волн органическим веществом, которая выводится из уравнения (1): А0 (λ) = - log (I / I0) (2.2) Для трансформирования этого значения в абсорбцию на метр (приведенное значение), следует пересчитать полученное значение с приведением к натуральному логарифму и с учетом длины кюветы (l) в метрах: aОРОВ (λ)= 2,303 * А0 / l, (2.3) В этом исследовании применялись кварцевые кюветы длиной 0,05 и 0,10 м. Параметр оптической плотности aОРОВ(λ) напрямую характеризует концентрацию РОВ. Корректированные значения аОРОВ(λ) получены вычитанием значения абсорбции на участке 700 nm (где предполагается отсутствие абсорбции ОРОВ) из полного спектра. Величина отличная от 0 при данной длине волны может проявиться благодаря рассеянию (например, DavisColley, Vant, 1987; Twardowski et al., 2004). При обработке спектров поглощения ОРОВ вычислялся наклон кривой абсорбции ОРОВ – S (нм-1), который определяется между длинами волн 350 и 500. АОРОВ снижается экспоненциально (Jerlov, 1968) с возрастанием длины волны. Применением величин аОРОВ(λ0) и Sλ возможно восстановить поведение всей кривой абсорбции ОРОВ (Bricaud et al., 1981).

42 2.1.4. Измерение концентрации взвешенных веществ в лабораторных условиях Образцы на анализ концентрации ВВ отбирались в 2014 и 2015 годах для оценки взаимосвязи с ОРОВ. Такие образцы отобраны из 27 озер (16 в 2014 году и 24 в 2015 году) вблизи берега (табл. 2.3). Гомогенизированные пробы воды (0,5 - 1 литр) фильтровались с помощью вакуумного фильтровального прибора заранее взвешенными целлюлозно-ацетатными фильтрами с размером пор 0,45 µм. Концентрации ВВ в мг на литр получались взвешиванием тех же фильтров с высушенным осадком. Таблица 2.3. Список озер, пробы из которых были отобраны для определения концентрации ВВ в 2014 и 2015 гг. Индекс озера BB 2014 BB 2015 LK-001 + + LK-002 + - LK-004 + + LK-006 - + LK-007 + + LK-008 + + LK-010 + + LK-012 - + LK-013 - + LK-014 - + LK-015 + + LK-016 - + LK-017 + + LK-018 + +

43 LK-019 + + LK-020 + + LK-024 + - LK-025 + + LK-026 - + LK-027 + + LK-028 - + LK-029 - + LK-031 + + LK-033 - + LK-034 - + LK-035 + - 2.1.5. Измерение концентрации РОУ в лабораторных условиях Дополнительно в 2015 году из той же группы исследуемых озер отобраны пробы для определения концентрации РОУ. Пробы отфильтрованы в полевых условиях с использованием стекловолокнистых фильтров Whatman GF/F с размером поры 0,7 микрометров. 20 мл пробы консервировались добавлением 30 µл 30% соляной кислоты HCL. Пробы проанализированы в лаборатории Отто Шмидта в Санкт-Петербурге с использованием прибора Shimadzu TOC-V-CPH. Концентрации РОУ (мг/л) получены для для 24 озер (табл. 2.2) и дополнительно для нескольких болот. 2.1.6. Результаты опробования озер на ключевом участке Центрального Ямала Результаты измерения геохимических параметров, описанных в предыдущих подразделах собраны в приложении 2.1. Статистика параметров aОРОВ(440) и S350-500 приведена дополнительно на рис. 2.3 и 2.4. В 2012 г., в целом, наблюдаются более высокие значения

44 концентрации ОРОВ по сравнению с другими годами наблюдения. Самая низкая концентрация наблюдалась в 2011 г. Максимальные значения измерены в 2014 и 2015 годах (озеро LK-031). Характерно общее снижение средней концентрации ОРОВ в озерах после 2012 года. В целом, медиана значений аОРОВ(440) по годам находится в пределах от 1,5 до 4 м-1. Рис. 2.3. Статистика измеренных значений аОРОВ(440) за 5 лет (2011 – n=11, 2012 – n=7, 2013 – n=12, 2014 – n=21, 2015 – n=24, приложение 2.1). Медиана значений S350-500 снижалась с 2011 к 2013 гг., а после снова начала возрастать (рис. 2.4). Максимальное значение зафиксировано в 2011 году – 0,01916 (LK-003), а минимальное – в 2013 году – 0.1134 (LK-015). В целом, медиана значений по годам находится в пределах от 0,015 до 0,018 нм-1. Концентрация ВВ в озерах (рис 2.5) за 2 года в целом оставалась стабильной. Основной массив измеренных значений лежит в пределах от 0 до 75 мг/л c одним выбросом (LK-031, 168,8 мг/л в 2014 году и 188,3 мг/л в 2015 году). В береговой зоне этого озера обнаружен самый большой по площади термоцирк. Медиана значений составляет 15,8 мг/л и 8,5 мг/л для 2014 и 2015 годов соответственно.

45 Рис. 2.4. Статистика измеренных значений S(350-500) за 5 лет (2011 – n=11, 2012 – n=7, 2013 – n=12, 2014 – n=21, 2015 – n=24, приложение 2.1). Рис. 2.5. Измеренные значения ВВ (мг/л) в 2014 (n=16) и 2015 (n=24) годах. Концентрация РОУ, измеренная в 2015 году, в среднем, равна 4,62 мг/л (приложение 2.1). Минимальное и максимальное значения равны 3,45 и 7,28 мг/л соответственно.

46 2.2. Дистанционные методы изучения ОРОВ 2.2.1. Методы определения ОРОВ на основе анализа космических снимков Ранее опубликовано несколько алгоритмов, касающихся определения ОРОВ в озерах и реках (Twardowski et al., 2005; Kutser et al., 2005а, 2005b; Brezonik et al., 2005; Griffin et al., 2011). Для наилучшей оценки вариативности концентрации ОРОВ в озерах методами дистанционного зондирования необходимы данные с более высоким радиометрическим разрешением, а также с более высоким пространственным разрешением, чтобы охватить и малые озера, изобилующие в тундре (Kutser et al., 2005a). Высокое разрешение оптических данных, таких как GeoEye-1, WorldView-2 и QuickBird очень подходит для этой цели. Мы использовали алгоритм, разработанный (Kutser et al. 2005a, 2005b) для дистанционного определения концентрации ОРОВ в озерах, предполагающий расчет отношения значений отраженной радиации (ground reflectance) в зеленом и красном каналах. 2.2.2. Обработка ДДЗ и подготовка к анализу 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

47 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. Рис. 2.6. Покрытие снимками сверхвысокого пространственного разрешения региона интереса. 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. Таблица 2.4 Значения среднеквадратического отклонения геометрической коррекции снимков сверхвысокого пространственного разрешения Снимок Дата Разрешение, м RMSE, м GeoEye-1 2013-07-05 0,5 0,37 2 0,55 GeoEye-1 2009-08-15 0,5 0,46 WorldWiew-2 2013-07-21 0,5 0,36 2 0,52 0,6 0,57 2,4 0,6 QuickBird 2010-07-30 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).

49 Таблица 2.5. Значения яркости для данных GeoEye-1 за 2009 г., отражающих «темные объекты». Значения для Спектральный канал «темных объектов» Синий 165 Зеленый 80 Красный 55 Ближний инфракрасный 40 2.2.3. Результаты оценки ОРОВ по космическим снимкам 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

50 сравнения с совмещенными данными GeoEye-1 и WorldView-2 2013 (рис. 2.8a) и QuickBird 2010 (рис. 2.8б). 3,0 y = 0,4789x-2,744 R² = 0,86 2,0 1,0 б aОРОВ(440) m-1 aОРОВ(440) m-1 a 0,0 3,0 y = 1,1662x-1,078 R² = 0,21 2,0 1,0 0,0 0,5 0,7 0,9 1,1 0,5 B2/B3 1,0 1,5 2,0 B2/B3 Рис. 2.7. Сравнение измеренных концентраций ОРОВ на 440 нм за 2011 год с расчитанным отношением каналов зеленого и красного для снимков GeoEye-1 2009-08-15 (a) и QuickBird 2010-07-30 (б). y = 4,8527x-2,743 R² = 0,68 6,0 3,0 0,0 б 9,0 aОРОВ(440) m-1 aОРОВ(440) m-1 a 9,0 y = 2,8497x-1,572 R² = 0,24 6,0 3,0 0,0 0,6 1,2 1,8 B2/B3 2,4 0,6 1,2 B2/B3 1,8 Рис. 2.8. 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 (a) и снимка QuickBird 2010-07-30 (б).

51 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). Рис. 2.9. 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.

52 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. Рис. 2.10. Статистика параметра aОРОВ(440) в озерах ключевого участка за 2 года. Данные получены со спутников GeoEye-1 2009 (n=121), GeoEye-1 и WorldView-2 2013 (n=363). Карты распределения aОРОВ(440) за 2009 и 2013 годы представлены в приложениях 2.3 и 2.4, соответственно. Значения aОРОВ(440) приведены в приложении 2.5.

53 2.3. Пространственная изменчивость ОРОВ в озерах В целях установления пространственных различий в концентрации ОРОВ в пределах озер в 2012 и 2013 годах пробы отбирались в разных местах, в том числе в центре озера с использованием лодки, также в 2015 году исследовались закономерности распределения концентрации ОРОВ и других геохимических параметров по глубине. На рис. 2.11а-г приведены схемы отбора проб воды на анализ концентрации ОРОВ в 4 различных озерах. На рис. 2.11а-б приведены схемы с отбором проб в 2012 году, на рис. 2.11в-г – в 2013 году. Рис. 2.11. Схема мест отбора проб воды на анализ концентрации ОРОВ в 2012 (а-б) и 2013 (в-г) годах.

54 Берега, у которых были отобраны пробы различались морфометрией (табл. 2.6). Таблица 2.6 Различия в типах берегов, с которых отбирались пробы для определения концентрации ОРОВ в одно и то же время Озеро Проба Характеристика берега Фотография LK- Низкий, задернованный, 004_2 закустарен карликовой ивой. LK- Высокий, 004_3 незадернованный, сложен глинистыми и суглинистыми породами, склон крутой градусов, 30-40 наблюдается осыпание. LK- Низкий, 014_1 терассированный склон, LK-014 поросший карликовой осокой березкой. Часть прилегающая и берега, к озеру, затопляется в половодье, поросла арктофилой.

55 LK- Высокий, 014_2 осложнен суглинистый, термоденудационными процессами. порос Местами мхом и разнотравьем. LK- Низкий, песчаный, 024_5 поросший осокой, ивой, LK-024 карликовой березкой. Различные типы берегов обладают различными потенциалами к перемещению материала и веществ вниз по склону. Однако, сильных различий в измеренных значениях аОРОВ(440) проб воды, отобранных у разных берегов и в середине озера, обнаружено не было (табл. 2.7). Отклонение от среднего значения не превышает 17,7% и эта величина напрямую зависит от общего значения оптической плотности. Абсолютные значения стандартного отклонения не превышают 0,385 м-1 (табл. 2.7). Это говорит о достаточно высокой степени гомогенности озерной воды с точки зрения параметра ОРОВ. Как было отмечено выше, в 2015 году пробы также отбирались с различных глубин, для того, чтобы установить закономерности распределения параметра ОРОВ с глубиной. В табл. 2.8 приведены данные о различиях измеренных значений аОРОВ(440) между отобранными в приповерхностном слое (30 см) и на глубине. пробами,

56 Таблица 2.7 Результаты измерения оптической плотности аОРОВ(440) проб, отобранных в различных участках тестовых озер Год Озеро LK-004 2012 LK-013 LK-024 2013 LK-014 Проба LK-004_1 LK-004_2 LK-004_3 LK-13_1 LK-13_2 LK-13_mdl LK-024_4 LK-024_2 LK-024_3 LK-024_5 LK-014_1 LK-014_2 аОРОВ(440) Среднее 2,162 2,575 2,868 2,535 7,538 7,096 6,770 7,135 0,369 0,536 0,386 0,419 0,428 1,009 1,288 1,149 Ст. отклон. % 0,354 14,0 0,385 5,4 0,075 17,7 0,197 17,2 Таблица 2.8 Различия в значениях аОРОВ(440) в зависимости от глубины Озеро LK-001 LK-006 LK-012 LK-014 LK-016 LK-017 LK-018 LK-019 Глубина, м ≤ 0,3 11,85 ≤ 0,3 7,27 ≤ 0,3 7,55 ≤ 0,3 9,25 ≤ 0,3 3,5 ≤ 0,3 7,6 ≤ 0,3 5,1 ≤ 0,3 6,1 аОРОВ(440) м-1 0,640 0,684 2,531 2,499 2,588 2,634 0,753 0,770 3,049 3,138 1,797 2,045 4,808 4,587 6,330 6,422 Δ -0,043 0,032 -0,046 -0,017 -0,089 -0,248 0,222 -0,093

57 Результаты показали (табл. 2.8), что отсутствует стратификация водной массы по параметру ОРОВ, что связано со значительной степенью перемешивания воды в озерах. Перемешивание происходит вследствие частых сильных ветров в регионе при отсутствии значительных орографических препятствий. Полученные данные свидетельствуют о том, что вода в озерах Центрального Ямала довольно однородна по показателю ОРОВ. 2.4. Сравнение полученных данных ОРОВ с другими регионами Высокоширотные внутренние водоемы севернее границы леса характеризуются низкой концентрацией ОРОВ (Vincent et al., 1998), которая снижается по мере удаления от зоны распространения лесов (Vincent, Pienitz, 1996). Однако, территория Центрального Ямала характеризуется распространением высокопродуктивных ивняков до 2 метров высотой (Ребристая, Хитун, 1998; Украинцева, 1998), занимающих, как правило, понижения, вогнутые склоны и долины, защищаемые от сильных ветров. Присутствие такой азональной растительности связано с высокой степенью минерализации морских глинистых почв (Украинцева, 1997), или со значительным снегонакоплением в понижениях рельефа (Лейбман, 2004). Активизация склоновых процессов может привести к тому, что эти высокоминерализованные породы становятся доступными для растительного покрова (Ukraintseva et al., 2014). В связи с этим, Центральный Ямал может выделяться с точки зрения концентрации ОРОВ в озерной воде. Высокопродуктивные ивняки могут могут произвести сравнительно большее количество органического вещества при разложении, чем, например, обычные тундровые растительные ассоциации. Это органическое вещество может быть источником аллохтонного ОРОВ в озерной воде наряду с ОРОВ и органическим веществом СТС, поступившим из оттаявшей мерзлоты (Vonk et al., 2013). Таким образом, природные

58 условия района работ могут оказывать влияние на концентрацию ОРОВ в озерах, делая ее сравнимой с водоемами, расположенными южнее. Средняя измеренная оптическая плотность ОРОВ в озерах Центрального Ямала в 2013 году (рис. 2.10), равная 2,2 м-1 может быть сопоставима со значениями 4-5 м-1, измеренными для озер южной Швеции и Финляндии (Kutser et al., 2005a) благодаря увеличению дополнительного транспорта аллохтонного ОРОВ в озера. Измеренные в июле 2008 и 2009 года средние значения аОРОВ(440) в р. Колыма и соседних реках (Восточная Сибирь) 2±0,92 м-1 (Griffin et al., 2011) также находятся в том же ранге, что и значения, измеренные в озерах Центрального Ямала. Более высокие концентрации ОРОВ (главным образом, аллохтонного) измерены в 15 мелких болотах в Канадской Арктике (средние значения оптической плотности 6,76±5,04 м-1, Breton et al., 2009). Авторы объясняют такие концентрации транспортом вещества из окружающих водосборных бассейнов (Breton et al., 2009). Нами также измерены значения оптической плотности в 10 небольших водоемах, аналогичных по размеру описанным в (Breton et al., 2009). Эти значения также выше, чем в среднем в озерах (4,6±4,5 м-1). Анализируя литературные данные, в некоторых случаях значения аОРОВ на участке 440 нм нами были рассчитаны, исходя из значений оптической плотности, измеренных для других длин волн с использованием формулы 2.4 (Bricaud et al., 1981): аОРОВ(440) = аОРОВ (λg)exp[-S(440 - λg), (2.4) где аОРОВ (λg) – значение оптической плотности для указанной длины волны λg в литературе, S (значение спектрального наклона кривой абсорбции), принятое равным 0,015 нм-1, часто измеряемое для озерной и морской воды (Twardowski et al., 2004). Среди озер, расположенных в канадской Арктике, измеренные значения S были приблизительно в том же диапазоне (0,0135 to 0,0186 при среднем значении 0,0158 нм-1), что и в озерах Центрального Ямала (рис. 2.4).

59 В 2014 году пробы из 33 озер для анализа ОРОВ автором также были отобраны в районе месторождений им. Р. Требса, им. А. Титова и поселка Варандей (15-30 июля), а также в восточной части п-ва Ямал в районе Новопортовского месторождения и поселка Новый порт (1-10 июля). Обработанные результаты представлены в таблице 2.9. Средние значения оптической плотности на площадках Варандей и Новый Порт (3,43 и 2,56 м1 соответственно), а также средние значения S (0,0162 и 0,0153 нм-1) также находятся в пределах диапазона значений, полученных на Центральном Ямале. Таблица 2.9 Результаты измерения оптической плотности ОРОВ и S в озерах, расположенных на площадках Варандей и Новый Порт Варандей Новый Порт 21 11 Мин. 0,98 0,77 Макс. 9,78 5,23 Средн. 3,43 2,56 Мин. 0,0138 0,0119 Макс. 0,0174 0,0163 Средн. 0,0162 0,0153 Количество озер аОРОВ(440), м-1 S , нм-1 Таким образом, на основе полевых данных и лабораторного анализа были рассчитаны концентрации ОРОВ в озерах Центрального Ямала за 5 лет. Выводы к главе 2: 1. Активизация термоцирков способствует увеличению средней концентрации ОРОВ в озерах, по сравнению с озерами, берега которых являются относительно устойчивыми.

60 2. Более низкие значения S, не характерные для автохтонных источников органики, подтверждают факт, что обнаруженная в озерах органика имеет источник на суше и поступила из термоцирков. 3. Показано, что полевые данные имеют достаточно высокую корреляцию с данными, полученными с использованием ДДЗ (R2=0,68 для снимка GeoEye-1 2013 года и R2=0,86 для снимка GeoEye-1 2009 существенное года). влияние Ветровые на условия результаты могут расчета оказывать ОРОВ по космическим снимкам из-за увеличения мутности в озерах, что является ограничением в использовании ДДЗ в подобных исследованиях (по этой причине не были рассчитаны значения оптической плотности для 2010 года с использованием снимка QuickBird). 4. Выявлено, что параметр ОРОВ имеет высокую степень однородности как в пределах верхней толщи воды всего озера, так и по глубине благодаря довольно сильному перемешиванию водных масс из-за сильных ветров и отсутствия природных барьеров на пути действия ветра. 5. На основании собственных данных автора по ОРОВ и данных, взятых из литературных источников, по концентрации ОРОВ в озерах, расположенных в разных районах криолитозоны, можно сделать предварительный вывод о возможном долготном градиенте концентрации ОРОВ в озерах Российского сектора Арктики (снижение концентрации в направлении с Запада на Восток). Также можно говорить о характерных локальных природных условиях, изменяющих эту закономерность. Примером локальных условий, искажающих закономерность, может служить Центральный Ямал, где активизация процесса термоденудации, а также наличие

61 нетипичных для этих широт высокоствольных ивняков являются причинами повышения концентрации ОРОВ в озерах, делая этот регион сравнимым в этом плане с более южными районами.

62 ГЛАВА 3. Параметры, влияющие на концентрацию ОРОВ в озерах Ямала Термоденудационные формы (термоцирки) являются одним из факторов пополнения озерной воды органическим веществом. Определить роль этого явления можно, поставив его в ряд с другими факторами и оценив относительную роль каждого. Данных об исследовании органического вещества в озерах Сибири в настоящий момент не так много (напр. Abnizova et al., 2012, Vonk et al., 2013; Audry et al., 2011, Manasypov et al., 2015), как в Северной Америке. Отсутствуют серии наблюдений за параметром ОРОВ по годам. А также количественная оценка влияния различных природных факторов на состояние этого параметра ранее не проводилась. 3.1. Зависимость концентрации ОРОВ от объема воды в озере 3.1.1. Батиметрические исследования озер Ямала Морфометрия термокарстовых котловин и батиметрия озер, их занимающих, исследована в некоторых районах Арктики. Глубина озер во многом определяется глубиной залегания и объемом внутригрунтовых льдов и может достигать десятков метров. В Якутии с мощными ПЖЛ глубина озер достигает 40 м (Соловьев, 1962), а на Аляске в районе мыса Барроу с маломощными ПЖЛ не превышает 2 м (Washburn, 1979). Север Западной Сибири - один из самых заозеренных регионов Арктики, заозеренность отдельных районов может превышать 40% (Романенко, 1999; Гидрология…, 2009). Особенностью Центрального Ямала является широкое развитие пластовых льдов (Streletskaya, Leibman, 2003; Хомутов и др., 2012). Там же в районе Бованенковского месторождения получены многочисленные данные о глубинах озер, составляющих 0,5-3,0 м, при площади от 0,016 до 7,2 км2 (Инженерно-геологич…., 1996). В некоторых

63 озерах при сравнительно небольшой площади и глубине 2-3 м, днища озер имеют воронковидные депрессии глубиной до 10-15 м (Криосфера…. 2013). Есть ограниченные сведения о порядке глубин некоторых, главным образом самых крупных, ямальских озер – метры или десятки метров (Полуостров Ямал, 1975). Более подробное описание различных характеристик озер можно встретить в других, более поздних работах. Например, в работе Юрьева (Юрьев, 2008) приводятся сведения о том, для каких озер характерен процесс образования подозерных таликов, а также опубликована подробная информация о химическом составе озерной воды, при этом практически отсутствуют данные о батиметрии. Самое подробное описание озер, в том числе и тех, которые расположены на изучаемой территории, приводится в труде Л.Н. Крицук (Крицук и др., 2010). В работе впервые упоминается, что были осуществлены промеры глубин озер на Ямале с целью установления их генезиса, а также создания классификации озер, на основе генетических групп. Изучение динамики озер через анализ изменения их площади и других морфометрических характеристик с применением разновременных аэро- и космических снимков составляют второй крупный блок исследования озер Арктических равнин. Большой вклад вносят работы, проведенные на кафедре картографии и геоинформатики географического факультета МГУ им. М.В. Ломоносова. В них содержится информация об изменении площадей термокарстовых озер за полувековой период, а также взаимосвязь этой динамики с климатическими изменениями (Кравцова, Тарасенко, 2010, 2011). В работах анализируются такие морфометрические показатели озер, как площадь, размеры в плане. Такие же характеристики анализируются и в ряде других работ, посвященных изучению динамики озер в зонах с различным развитием ММП (Кирпотин и др., 2008), анализу изменений площадей термокарстовых озер на различных геоморфологических уровнях, в том

64 числе в районе Бованенковского ГКМ, которое находится в непосредственной близости к ключевому участку (Санников, 2012; Trofaier et al., 2013). Ряд публикаций зарубежных исследователей последних лет содержит информацию о состоянии термокарстовых озер «едомного» комплекса дельты реки Лена. В этом районе находится международный научный стационар, где ведутся многолетние режимные наблюдения, в т.ч. и за состоянием и динамикой термокарстовых озер, зарубежными исследователями, главным образом из Германии. В статьях приводятся данные о глубинах некоторых озер дельты и анализ многих характеристик термокарстовых озер и водосборных бассейнов (Morgenstern et al., 2008, 2011). 3.1.2. Методика картографирования дна озер на ключевом участке Основной принцип получения информации о глубинах водных объектов, который был использован в полевых условиях – активная съемка, эхолотирование поверхности дна озер. Метод основан на том, что датчик расположенный на лодке, посылает на глубину сигнал в виде электромагнитных волн определенной частоты. Волна, достигшая дна, «отражается» от него и возвращается обратно в приемное устройство, которое обрабатывает данные. Использование волн определенной длины препятствует их поглощению породами, расположенными на дне водного объекта. Расчет глубины производится мгновенно по алгоритму расчета расстояния, если известна скорость распространения волны и время, за которое волна возвращается в приемник. Используемый прибор состоял из трех частей: 1) датчик (сонар) – основное приемное устройство); 2) средство хранения и визуализации данных о глубинах, совмещенное с GPS-приемником; 3) стандартный аккумулятор (12 В). В качестве средства передвижения по озерам была использована ПВХ лодка, переоборудованная для размещения на ней необходимой аппаратуры (съемочной системы, дополнительного GPS-

65 приемника для более точного позиционирования, рис. 3.1а). При работе с эхолотом важно, чтобы сонар находился под углом по направлению движения лодки для того, чтобы сигнал посылался чуть вперед. В этом случае устраняется погрешность за скорость движения лодки за счет компенсации, а пространственное положение пункта, где совершено измерение глубины, будет определено более точно. Промеры глубин осуществлялись методом профилирования (рис. 3.1б). Непосредственно перед началом измерений продумывался маршрут, в GPSприемник вносились координаты поворотных точек для того, чтобы можно было корректировать курс. Рис. 3.1 Лодка с установленным оборудованием (а) (цифрой 1 показан приемник – сонар, цифрой 2 – панель визуализации данных о батиметрии, совмещенная с GPS-приемником), а также визуализация результатов профилирования озера (б). 3.1.3. Обработка результатов измерений, построение батиметрических карт Результатом первичной обработки измерений глубин являлись записи в виде таблиц, в которых содержится информация о пространственном положении точек определения глубин (XY), глубина, дата и время измерений. Такие таблицы были получены для каждого из изученных озер. Дальнейшая обработка данных производилась с применением ГИС-

66 технологий и состояла из 3 этапов. 1) интеграция данных измерений в среду ArcGIS, присвоение пространственной привязки и визуализация; 2) корректировка данных и GPS-трека по опорным точкам, устранение «шумов»; 3) автоматизированное построение цифровых моделей озер при помощи доступных алгоритмов и их ручная корректировка. Задачи первого этапа сводились, главным образом, к тому, чтобы конвертировать результаты первичной обработки в файл, с которым работает ГИС-пакет. На этом этапе необходимо было присвоить информации систему координат (датум). Это позволило получить на выходе файл, который может в дальнейшем принимать участие в построении моделей. На втором этапе производилась корректировка данных по двум направлениям. Во-первых, была устранена систематическая погрешность определения пространственного положения GPS-приемником, чтобы все измерения «улеглись» в контур озера. Во-вторых – проводилось устранение «шумов». «Шумы» образуются при измерении глубин по нескольким причинам. Самыми основными являются качка (как по вине оператора, так и по вине ветрового волнения), резкие поворотные маневры, проблемы с приемом сигнала. В большинстве случаев эти причины изменят направление посыла электромагнитного импульса. Однако, такие шумы очень хорошо видны при визуализации данных, так как сильно выбиваются из общего тренда и были удалены с помощью фильтрации данных. В конце второго этапа создавалось облако точек со значениями глубины (табл. 3.1). Наконец, на третьем этапе обработки производилось собственно построение моделей исследуемых озер. Возможности ПО ArcGIS позволяют производить процедуру интерполяции, используя различные модели данных (точечные, линейные, полигональные, Лурье, 2010). Благодаря этому преимуществу были построены географически корректные цифровые модели озер.

67 Таблица 3.1 Результаты батиметрических исследований на полигоне в 2012, 20142015 гг. Точки съемки сонаром записывались с интервалом 5 секунд. Озеро Год Площ Y X съемки адь, га Кол-во Глубина Глубина точек (сред. (макс. изм.), м изм.), м LK-001 2012 38,30 68,8829 70,2787 790 -5,6 -16,9 LK-002 2012 3,26 68,9045 70,2977 448 -1,1 -2,8 LK-003 2012 107,72 69,0019 70,2898 1652 -2 -15,1 LK-004 2012 74,96 68,9705 70,2809 2167 -3,4 -14 LK-006 2012 3,55 68,8991 70,2878 655 -4,8 -12,8 LK-007 2012 38,77 68,9912 70,2672 1000 -3,3 -12 LK-010 2012 4,75 68,8642 70,3012 412 -1,2 -3,7 LK-012 2012 2,24 68,9216 70,2825 473 -3,1 -9,7 LK-013 2012 212,46 68,8843 70,2563 1156 -1,9 -7,4 LK-014 2015 6,55 68,8736 70,2836 1121 -5,6 -14,2 LK-015 2015 8,58 68,9218 70,2651 2313 -9,2 -23,2 LK-016 2015 10,25 68,9335 70,2668 1472 -2,5 -5,1 LK-017 2015 6,37 69,0221 70,2326 1195 -4,6 -9,4 LK-018 2015 11,79 69,0061 70,2319 1782 -2,4 -7,8 LK-019 2015 13,60 68,9951 70,2301 2553 -2,1 -6,3 LK-035 2014 66,53 68,8738 70,2155 5254 -2,4 -10,8 LK-037 2014 2,02 68,9938 70,2498 549 -3,6 -5,7 LK-038 2014 3,84 68,9974 70,2448 925 -2,6 -5,5 LK-039 2014 2,69 69,0024 70,2494 928 -1,9 -3,8 Основными классами объектов, которые были использованы при построении модели, являлись измеренное облако точек со значениями глубины, береговая линия и полигон озера. При этом минусами, которые

68 имеют место при таком моделировании – некорректное построение на участках с большими промежутками, в которых отсутствуют данные. В этом случае применялась ручная логическая коррекция модели. Под коррекцией понимается создание векторного класса объектов «изобаты» и их ручное обдуманное исправление. Конечно, при этом детали подводного микрорельефа остаются неотраженными на карте, однако общий «рисунок» рельефа отображается достаточно подробно, поскольку метод профилирования дает достаточно информации. По скорректированным моделям были построены карты 18 озер, 4 из которых приведены на рис. 3.2. Рис. 3.2. Батиметрические карты 4-х из 18 измеренных озёр ключевого участка.

69 Озерные котловины на ключевом участке могут иметь довольно правильную форму с глубиной более 23 метров (рис. 3.2., LK-015). Крупные озера (LK-003, LK-035) имеют в основном небольшую среднюю глубину (табл. 3.1), однако встречаются локальные переуглубления (рис. 3.2., LK003, LK-035), по-видимому, связанные с вытаиванием залежеобразующего льда (Романенко, 1999). 3.1.4. Расчет объема воды в озерах и анализ связи с концентрацией ОРОВ На основе построенных цифровых моделей дна озер был расчитан приблизительный объем воды в 18 озерах (табл. 3.2) при помощи модуля 3D Analyst доступного в ArcGIS 10.2. Таблица 3.2 Рассчитанные объемы воды в 18-ти обследованных озерах Озеро Объем воды, м3х106 Озеро Объем воды, м3х106 LK-001 1,62 LK-015 0,73 LK-002 0,04 LK-016 0,25 LK-003 1,33 LK-017 0,25 LK-004 2,88 LK-018 0,30 LK-006 0,15 LK-019 0,29 LK-007 1,46 LK-035 1,04 LK-010 0,05 LK-037 0,06 LK-012 0,08 LK-038 0,10 LK-014 0,32 LK-039 0,05 Значения объема воды (табл. 3.2) были сопоставлены со значениями аОРОВ(440), полученными со снимка GeoEye-1 за 2013 год. Из анализа были предварительно исключены 4 озера, береговая зона которых была

70 нарушена термоцирками LK-015, LK-017, LK-018, LK-019). Наблюдается зависимость увеличения концентрации ОРОВ в воде с уменьшением объема воды в озере (рис. 3.3), хотя степень зависимости и не высокая (R2=0,3). Объем воды, м3 * 106 3 y = -0,401x + 1,6331 R² = 0,3 2 1 0 0 1 2 3 аОРОВ(440), м-1 4 5 Рис. 3.3 Связь объема воды в озере с концентрацией ОРОВ в озерной воде. 3.2. Выделение водосборных бассейнов на основе ЦМР ЦМР TanDEM-X IDEM c пространственным разрешением 12 метров получена для ключевого участка от Deutsches Zentrum für Luft- und Raumfahrt (DLR©). Для улучшения качества растровая модель была конвертирована в векторную точечную модель и заново интерполирована с учетом векторных полигонов озер, векторных линий рек и ручьев, структурных линий рельефа с применением алгоритма TopoToRaster, доступного в программе ArcGIS 10.2.2. (ESRI Inc©). После интерполяции к новой растровой модели была применена процедура “заполнение понижений” для исключения “провалов” – аномально низких значений. ЦМР затем была использована для расчета поверхности «направление стока» в модуле ArcHydro (Djokic et al., 2011) и далее в автоматическом режиме, с использованием поверхности «направление стока», были

71 выделены векторные полигоны водосборных бассейнов (приложение 3.1). Все водосборные бассейны затем были вручную проверены и исправлены на участках притока и оттока воды, которые неправильно отображаются в автоматическом режиме. 3.3. Картографирование растительности с применением ДДЗ Для анализа продуктивности растительного покрова использовались рассчитанные на основе оптического снимка высокого пространственного разрешения SPOT5 вегетационные индексы. Дополнительно выделены полигоны высокоствольных ивняков, обладающих наибольшей биомассой. 3.3.1. Обработка снимка SPOT5 Снимок (продукт Level2A) SPOT5 за 08-08-2015 был получен c портала Европейского Космического Агентства (ESA) take5.org/client/#/products/SPOT5?site=CentralYamalRussia. произведена центром геометрическую, CNES. Уровень радиометрическую и Level2A атмосферную https://spotОбработка подразумевает коррекцию. Дополнительной коррекции снимка не проводилось. 3.3.2. Расчет вегетационных индексов с использованием данных SPOT5 Перед расчетом вегетационных индексов была произведена процедура маскирования водных объектов с использованием пороговых значений отраженной радиации (reflectance) в ближнем инфракрасном канале (минимальные). Индекс NDVI (Normalized Difference Vegetation Index, Kriegler et al., 1969), описывающий продуктивность растительного покрова рассчитан с использованием формулы 3.1: NDVI = (NIR – R)/(NIR+R), (3.1)

72 где NIR и R – значения отраженной радиации в ближнем инфракрасном и красном каналах, соответственно. Индекс концентрации хлорофилла (CHL) отражает степень поглощения света в красном канале относительно минимумов поглощения в зеленом и ближнем инфракрасном каналах (глубина поглощения, Buchhorn et al., 2013) и способен также показывать различия в продуктивности растительного покрова (Dvornikov et al., 2014) был рассчитан с использованием формулы 3.2: CHL = (G+NIR)/2 - R, (3.2) где G – значение отраженной радиации в зеленом канале. Индекс концентрации хлорофилла основан на том, что основные фотосинтетически активные пигменты поглощают главным образом волны красной зоны спектра (650-700 нм) для поддержания процесса фотосинтеза (Chapelle et al., 1992). Спектральная кривая растительности имеет также 2 относительных минимума абсорбции в зеленой и ближней инфракрасной зонах спектра (рис. 3.4). Чем более продуктивна растительность, тем больше значение индекса CHL (рис. 3.4). Для ранее выделенных водосборных бассейнов (n=363) (раздел 3.2, приложение 3.1) были рассчитаны медианы значений индексов NDVI и CHL для дальнейшей статистической обработки. 3.3.3. Автоматизированное выделение кустарниковой растительности с использованием радарных снимков ALOS PALSAR Данные ALOS PALSAR были получены по соглашению с JAXA PI 90 и 1200 и использованы для выделения контуров кустарниковой растительности на исследуемой территории. Данные уровня Level1.1 с поляризацией HV за две даты: 14 августа и 29 сентября 2008 г. обрабатывались с помощью программы NEST (Next ESA SAR Toolbox).

73 Произведена процедура геометрической коррекции, исходные значения интенсивности сигнала помножены на коэффициент 10^12 и сконвертированы в значения обратного рассеивания (dB). Были рассчитаны и отфильтрованы средние значения dB за две даты, а для автоматического отделения кустарниковой растительности использовано пороговое значение Отраженная радиация, %/100 -25 dB. 0,5 0,4 0,3 0,2 0,1 0,0 400 600 800 Длина волны, нм 1.000 Рис. 3.4. Значение отраженной радиации (0-1) для двух различных ассоциаций растительности: черная линия – с доминированием кустарников ивы, серая линия – с доминированием осоки. Кривые спектральной яркости получены в результате полевого спектрометрирования на ключевом участке в августе 2011 года с использованием полевого спектрорадиометра FieldSpec© Pro (3502400nm) (Analytical Spectral Devices, Boulder, CO). Результатом этой работы явилось определение доли высокоствольных ивняков в водосборном бассейне, которая была также включена в список параметров для дальнейшего статистического анализа. Полученные контуры сравнивались с контурами, вручную отдешифрированными на оптических снимках GeoEye-1 2009 и QuickBird 2010. Выделенные векторные полигоны кустарниковой растительности позволили рассчитать процент площади водосборных бассейнов, занятых

74 высокоствольными ивняками. Доля кустарников изменяется от 0 до 76,5% при среднем значении 13,5% (приложение 3.2). 3.4. Анализ распределения снежного покрова Снежный покров в криолитозоне играет важнейшую роль, поскольку он влияет на температурный режим пород, представляя собой природный теплоизолятор (Достовалов, Кудрявцев, 1967). Количество накопившегося за зиму снега и скорость его таяния определяют интенсивность процессов, связанных с поверхностными водами, главным образом, термоэрозии (Чистов, 1991). Так таяние снега в весенний период оказывает влияние на вымывание вещества с поверхности суши в водные объекты. По результатам натурных наблюдений за снежным покровом на полуострове Ямал, Б.М. Житков (Житков, 1913) отмечает, что на ровных участках тундры, не принадлежащих вершинам холмов, толщина снега не превышает 20–30 см. В монографии (Полуостров Ямал, 1975) приводятся данные о том, что в понижениях толщина снега может достигать 3–4 м, в то время как на значительной части этого полуострова толщина снежного покрова, как правило, не превышает 5–15 см. Такая толщина снежного покрова обусловлена незначительным количеством осадков в виде снега, выпадающих в Арктике, – от 10 до 80 см (Кузьмин, 1960), хотя, согласно современным исследованиям, в последние десятилетия на территории России, в том числе на севере Западной Сибири, максимальные снегозапасы увеличились (Китаев, Кислов, 2008; Кренке и др., 2000). Согласно «Карте высоты снежного покрова» (Рихтер, 1948), средняя толщина снежного покрова на п-ове Ямал не превышает 30–50 см. Эти данные согласуются с материалами И.Д. Копанева (Копанев, 1978), который утверждает, что средняя многолетняя толщина снежного покрова для этой территории, приходящаяся на третью декаду марта, составляет 30 см, а также с данными полученными автором с коллегами (Дворников и др., 2015). Более поздние

75 источники содержат информацию, что максимальные снегозапасы для Ямала в среднем составляют 150 мм слоя воды (Котляков, 2004), то есть, 50 см снега при средней плотности для региона 0,3 г/см3 (Полуостров Ямал, 1975), что также согласуется с более ранними данными о снегозапасах этой территории. Методика получения полевых данных и основные результаты снегомерной съемки приведены в разделе 1.1.3. В этой главе приводятся результаты моделирования распределения по площади снежного покрова. 3.4.1. Моделирование распределения снежного покрова на основе ГИС Использование ГИС при моделировании такой независимой величины, как снежный покров, позволяет совместно анализировать пространственные данные (Evans et al., 1989; Purves et al., 1998; Погорелов, 2002). Поскольку фактор рельефа играет значительную роль при перераспределении снежного покрова в арктическом ландшафте, для моделирования необходима детальная ЦМР (Litaor et al., 2008). В летний период 2011 года в целях получения детальной информации о рельефе вдоль специально заложенной трансекты, пересекающей основные элементы рельефа ключевого участка, была проведена тахеометрическая съемка с использованием тахеометра TopCon GTS-235 (точность угловых измерений 5”). По результатам этой съемки в масштабе 1:1000 была создана детальная ЦМР с размером ячейки 5х5 метров. На ее базе были построены производные поверхности: экспозиции склонов от 0 до 360 градусов, сгруппированные по основным направлениям: N-NE-E-SES-SW-W-NW и индекса кривизны поверхности от -4 до +4. Такой диапазон значений индекса соответствует расчлененному рельефу территории исследования (Marchand, Killingtveit, 2001). Индекс кривизны отражает степень выпуклости и вогнутости элементов рельефа, а точнее – ячейки

76 растровой поверхности относительно окружающих ее других восьми ячеек (Zeverbergen, Thorne, 1987). Отрицательные значения индекса соответствуют вогнутым участкам, а положительные – выпуклым. Роль этого индекса при исследовании снежного покрова отмечена многими исследователями (Golding, 1974; Woo et al., 1983; Фрейндлин, Шныпарков, 1985; Sextone, Fassnacht, 2014), что связано с наблюдаемым накоплением снега на вогнутых склонах в большей степени, чем на выпуклых вершинах. Влияние рельефа на перераспределение снежного покрова Для выявления зависимости толщины снежного покрова от рельефа был проведен статистический анализ. Для каждой точки на местности, которая попала в область с доступной детальной ЦМР и для которой в полевых условиях была измерена толщина снега, были получены параметры индексов кривизны и экспозиции. При выполнении этой процедуры учитывалось пространственное расположение точки (координаты X,Y) и принадлежность каждой точки к определенному пикселу растровых моделей двух описанных выше поверхностей. Анализ зависимости толщины снежного покрова от значения индекса кривизны поверхности показал достаточно тесную (R2=0,78) взаимосвязь (рис. 3.5), поэтому фактор кривизны стал основой для расчета первичного значения толщины снега для трансекты. Индекс кривизны поверхности использовался и ранее в качестве второстепенной независимой величины при моделировании снежного покрова (Golding, 1974; Woo et al., 1983; Winstral et al., 2002; Clow et al., 2012). Исследования зависимостей между толщиной снега и кривизной поверхности для территории Норвегии показали очень слабую корреляцию между этими двумя параметрами (Marchand, Killingtveit, 2001). Авторы использовали линейную регрессионную модель и ЦМР низкого разрешения, что, по их мнению, могло снизить степень зависимости. Работы по

77 исследованию снегозапасов для горного массива Хибин (Фрейндлин, Шныпарков, 1985; Концевая и др., 1989) напротив отмечают, что связь этих двух параметров очень высокая и используют линейную модель зависимости между ними для расчета толщины снега. Sexstone и Fassnacht (Sextone, Fassnacht, 2014) подтверждают, что кривизна поверхности очень хорошо объясняет накопление снега даже для горных территорий. Мы же используем его как основной параметр. Рис. 3.5. Зависимость между толщиной снежного покрова (см), полученного в результате полевой снегомерной съемки по трансекте и индексом кривизны поверхности. 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

78 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).

79 Рис. 3.6. Схема распределения поправок к первичному значению толщины снега. 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

80 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. Рис. 3.7. 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

81 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).

82 Высота кустарников, см 160 140 1 2 120 100 80 y = 1,0562x + 10,531 R² = 0,53313 60 40 y = -0,0245x + 39,842 R² = 0,00182 20 0 0 50 100 150 200 250 300 350 Толщина снежного покрова, см Рис. 3.8. Зависимость толщины снежного покрова от высоты кустарников. Массив данных разбит на две группы: 1 - точки, расположенные на выпуклых участках (индекс кривизны>0); 2 - точки, расположенные на вогнутых участках (индекс кривизны<0). В первом случае наблюдается явная зависимость толщины снега от высоты кустарников и толщины снега, во втором случае разброс точек велик и такая зависимость отсутствует. Это связано с биологической невозможностью достижения кустарником высоты более 1,5-2 м на участках, где толщина снега превышает это значение (Лейбман, 2004). На графике (рис. 3.9) показаны отсортированные значения массива данных для выпуклых склонов. На основании этого графика можно говорить о том, что растительность оказывает задерживающее влияние на снежный покров при перевевании. При этом для участков с невысокими кустарниками (менее 15 см), высота кустарников определяет толщину снега, а более высокие (выше 15 см) - лишь служат «ловушкой» (Essery, Pomeroy, 2004), но толщину снега не определяют. Пороговое значение между этими двумя группами зависит, скорее всего, от количества выпавших осадков и варьирует от сезона к сезону.

83 1 60 70 2 60 50 50 40 40 30 30 20 20 10 10 0 Высота кустраников, см Толщина снега, см 70 0 Точки наблюдения по трансекте Рис. 3.9. Изменение толщины снежного покрова (1) и высоты кустарников (2) вдоль трансекты с меняющимся рельефом. . Согласно уравнению регрессии (рис. 3.8) вычислялось лимитирующее значение толщины снежного покрова при наличии кустарников определенной высоты (3.4): Х = (Y – 10.531)/1.0562, (3.4) где X - толщина снега, Y - высота кустарников. Значение, полученное для каждой модельной точки, которая попала в контур с кустарниковыми сообществами, сравнивалось с первичным значением толщины снега, с введенной поправкой на влияние ветра. В случае, если лимитирующее значение Х оказывалось ниже, чем ранее смоделированное, то сохранялось смоделированное значение. Если лимитирующее значение оказывалось выше, то модельное значение толщины снега приравнивалась к лимитирующему. В этом случае кустарниковый покров устанавливал лимит снегонакопления в соответствии с данными полевых наблюдений. Исправленные значения являлись окончательными. 3.4.2. Моделирование водного эквивалента снежного покрова и валидация результатов моделирования Для создания картографической модели водного эквивалента снежного покрова разработана методика учета факторов рельефа, ветра и

84 растительности. Общая схема картографического моделирования отражена на рис. 3.10. Рис. 3.10. Схема моделирования водного эквивалента снежного покрова на основе ГИС, 1-6 – последовательность шагов обработки исходных данных и построения модели. ЦМР была конвертирована в точечную векторную модель. Созданная атрибутивная таблица позволила добавить значения индекса кривизны поверхности и экспозиции склона для каждой точки. Также было создано отдельное поле в атрибутивной таблице со значениями высоты кустарников, куда заносилась соответствующая информация, если определенная точка попадала в контур отдешифрированной растительности. На основе значений индекса кривизны рассчитывалось первичное модельное значение толщины снега. Для получения итоговых значений толщины снега вводились поправки на влияние ветра и растительности. При переходе от показателя толщины снега к его водному эквиваленту использовались результаты измерения плотности снега в полевых условиях.

85 В случае, если в определенной точке плотность измерялась послойно, то использовалось осредненное значение плотности для разреза. Сопоставление массивов толщины снега и его водного эквивалента позволили получить уравнение линейной зависимости (R2 = 0,99) этих двух величин, которое было использовано при переходе к водному эквиваленту. Далее производилась интерполяция значений и построение растровой поверхности. Результат моделирования для трансекты в виде карты водного эквивалента снежного покрова представлен на рис. 3.11. Разрешение итоговой растровой модели такое же, как и у исходной ЦМР – 5х5 метров. Рис. 3.11. Карта водного эквивалента снежного покрова для трансекты (фрагмент). Географические особенности территории обуславливают определенный набор независимых величин, которые в большей степени описывают распределение снега в тундре (Evans et al., 1989; McFadden et al., 2001; Sturm et al., 2001; Essery, Pomeroy, 2004). Согласно проведенному анализу, некоторые из независимых величин, определяющих параметр водного эквивалента снежного покрова, не всегда следуют линейной

86 зависимости (Elder et al., 1995; Molotch et al., 2005), хотя некоторые авторы использовали и линейные модели регрессии (Golding, 1974; Погорелов, 2002). В целом можно утверждать, что все факторы, влияющие на распределение снежного покрова на ключевом участке, работают в комплексе. Для оценки достоверности применения выявленных закономерностей распределения толщины снежного покрова в расчётной модели проведено её сравнение с моделью распределения снежного покрова, основанной исключительно на полевых измерениях. Для этого использованы результаты измерения толщины снега на площадке CALM (см. рис. 1.5), для которой также построена детальная ЦМР. Данные измерений на этой площадке не участвовали в общем статистическом анализе зависимости толщины снега от различных факторов. После построения модели для точек площадки CALM было создано поле в атрибутивной таблице со значениями модельной толщины снежного покрова. Это позволило провести интерполяцию значений и построить две растровые поверхности, основанные: а) на полевых измерениях и б) модельных значениях (рис. 3.12). Выполнен расчёт объёма снега для вариантов а и б и корреляционный анализ соответствующих массивов значений толщины снежного покрова (табл. 3.3). Анализ показал, что между двумя массивами данных наблюдается достаточно высокая степень корреляции (R = 0,75). В табл. 3.3 приведены результаты сравнения двух моделей, которые показывают, что модельные значения толщины снежного покрова и, соответственно, значения водного эквивалента достаточно подробно и точно отражают реальную картину. Об этом можно судить по визуальному сравнению изображений (см. рис. 3.12) и сопоставлению объёмов снежного покрова на тестовой площадке CALM, полученных по данным полевой съемки и по модельному расчету.

87 Рис. 3.12. Толщина снежного покрова на площадке CALM. Интерполяция: a – полевых данных; б – результатов моделирования. Таблица 3.3 Сравнение полевых и модельных данных для площадки CALM Показатели Полевые данные Число точек Модельные данные 121 Толщина снега, см: минимальная 0 0,9 максимальная 120 142 25,45 26,77 средняя Коэффициент 0,75 корреляции R Объём снега, м3 2683 2793

88 3.4.3. Расчет снегозапасов в форме водного эквивалента для водосборных бассейнов Результаты анализа распределения снежного покрова на локальном уровне позволили построить карту водного эквивалента снежного покрова (приложение 3.3) на весь ключевой участок (см.рис. 2.2), используя найденные закономерности. Карта позволила посчитать суммарные запасы воды для водосборных бассейнов, которые были выделены ранее (раздел 3.2, приложение 3.1). Рассчитанный объем снегозапасов изменяется в пределах от 592 до 1062865 м3 при среднем значении 78766 м3. Цифры сравнимы с результатами расчетов объема воды в самих озерах (табл. 3.2). Интенсивное снеготаяние ранним летом может привести не только к увеличению стока воды в термокарстовые озера (Zakharova et al., 2011), но также к увеличению активности процесса термоэрозии (Чистов, 1991; Губарьков и др., 2008), сопровождающегося дополнительным транспортом материала с поверхности водосборных бассейнов, в том числе органики. Более того, запасы воды в снежном покрове обуславливают затопление пойменных уровней рек Се-Яхи и Морды-Яхи (Романенко, 1999; Trofaier et al., 2013), привнося дополнительное органическое вещество в затапливаемые озера. В связи с этим, определение объемов снежного покрова в водосборных бассейнах полезно для объяснения той или иной концентрации ОРОВ в озерах. 3.5. Структура базы геоданных для обработки полевых, лабораторных и дистанционных материалов Управление накопленными с 1988 г. данными на полигоне «Васькины Дачи» в настоящий момент является необходимым для поддержки обмена данными внутри действующих российских и международных проектов. Мониторинг состояния мерзлоты на стационаре (Leibman et al., 2015),

89 является частью международной программы Global Terrestrial Network for Permafrost (GTNP), (http://gtnpdatabase.org/, Biskaborn et al., 2015), включая международные программы по мониторингу СТС (CALM, c 1993 г., Brown et al., 2000) и термического состояния мерзлоты (TSP, с 2011 г., Brown et al., 2010). В 2007 году стационар стал также частью Северо-Евразийской трансекты в рамках проекта Land Cover Land Use Change for Yamal Peninsula (LCLUC-Yamal) с установкой трех дополнительных площадок по мониторингу СТС и дополнительных скважин (Leibman et al., 2012). С 2013 года на стационаре также проводятся режимные наблюдения за техногенным воздействием на окружающую среду в связи с активным освоением Бованенковского месторождения, включая железную дорогу Обская-Бованенково. Мониторинг ММП и других природных параметров является также частью российско-австрийского исследовательского проекта COLD Yamal (COmbining remote sensing and field studies for assessment of Landform Dynamics and permafrost state on Yamal), который ориентирован на применение ДДЗ для изучения динамики термокарстовых озер и криогенных ландшафтов Ямала (http://cold.zgis.net/). В 2011 году были отобраны первые пробы воды для анализа концентрации ОРОВ в озерах полигона, что впоследствии трансформировалось в действующий российско-германский исследовательский проект POLYAR (Process of Organic matter transport to the Lakes of YAmal region, Dvornikov et al., 2014), цели которого частично совпадают с целями диссертационной работы. ГИС очень эффективны для управления пространственными данными. Существующие базы геоданных в геокриологии имеют целью сбор и хранение исторических данных, а также накопление текущих данных (например, GTNP, Biskaborn et al., 2015), сбор знаний о криолитозоне (Romanovskii, Leibman, “докомпьютерную” эпоху 1994), сохраняя (например данные, CAPS, накопленные International…, в 2003). Требования к созданию баз геоданных в геокриологии могут варьировать в

90 соответствии с объектной ориентацией продукта (Мельников, Минкин, 1998; Minkin et al., 2001). Для базы геоданных (БГД) научного полигона «Васькины Дачи» мы собрали все доступные пространственные данные, произвели ГИС-моделирование и картографирование для анализа связей в системе “эволюция ММП – динамика ландшафтов”. 3.5.1. Источники данных (типы, источники) Использовано несколько типов данных, в разной степени использованных для решения задач представленной работы, включая: 1) полевые наблюдения и измерения (СТС на 4 установленных площадках, температура пород в 11 скважинах), геодезические измерения для мониторинга динамики криогенных процессов и геометрической коррекции ДДЗ, данные батиметрических исследований, описание обнажений, снегомерные наблюдения; 2) данные лабораторных исследований проб воды; 3) данные, полученные в результате обработки различных дистанционных материалов, а также параметры, извлеченные из ЦМР; 4) данные моделирования на основе ГИС. Источники данных для БГД приведены в табл. 3.4. Таблица 3.4 Список источников данных для БГД (* оптические данные сверхвысокого (СВР) и высокого (ВР) пространственного разрешения). 1. Тип Полевые данные СТС Кол-во Кол-во Год площадок точек 1 (CALM) 121 19933 (LCLUC) Скважины Тахеометрическая съемка DGPS Статика съемка Кинематика 3 165 200712 20062246 2011 7 2014 199 2014 Приборы Металлический щуп HOBO© TopCon© GTS-235 Trimble© GNSS 5700

91 Батиметрия Снегомерная съемка Пробы воды 20 >25000 2012, 2014, 2015 3 233 2013 30 75 2. ДДЗ / цифровые карты Оптические СВР данные* ВР Радарные данные ЦМР 20112015 2009 GeoEye-1 (MS) 2010 QuickBird (Pan, MS) 2013 GeoEye-1, WorldView-2 (Pan, MS) 2015 SPOT-5 (MS) 2008 TerraSAR-X, ALOS PALSAR 2010 TerraSAR-X 2014 Terrasar-X, TanDEM-X 2014 TanDEM-X IDEM 12m 1987 1:50000 Топографические 2 карты 3. Данные лабораторных исследований ОРОВ 20112015 РОУ ВВ Humminbird© 788cxi, точки записаны с 5 секундным интервалом Металическая линейка, снегомер ВС-43 Specord 200 (Jena Analytic©) 2015 TOC-V-CPH Shimadzu© 2014- 0.45 µm CA 2015 фильтры 3.5.2. Структура базы геоданных БГД с расширением (.mdb) создана в программной среде ESRI© ArcGIS и предназначена для управления данными, полученными как в

92 результате мониторинга (CALM, TSP, GOA), так и в результате работы по проекту POLYAR. Геодезические измерения на полигоне и набор привязанных снимков сверхвысокого пространственного разрешения обеспечивают высокую геометрическую точность положения данных в БГД. Географические данные представлены двумя моделями: векторной и растровой. Векторные данные в БГД разделены на несколько наборов пространственных данных в соответствии с географическим принципом (рельеф, растительность, гидрография, ММП). Каждый набор пространственных данных содержит определенное количество классов пространственных объектов (точечных, линейных, полигональных слоев). Данные, характеризующие один и тот же объект в пространстве, связаны между собой уникальным идентификатором ID. БГД включает в себя 11 векторных наборов пространственных данных, имеющих единую координатную систему WGS-84 и трансформированы в проекцию Меркатора (зона 42N): 1) батиметрия, 2) социально-экономические объекты, 3) полевые данные, 4) геоморфология, 5) гидрография, 6) ландшафты, 7) ММП, 8) снежный покров, 9) рельеф, 10) растительность, 11) локальные объекты (площадка CALM, трансекта и т.д.). В сумме, все 11 наборов пространственных данных содержат 60 классов пространственных объектов (таблица 3.5). Таблица 3.5 Список наборов пространственных данных (НПД) и классов пространственных объектов (КПО) в БГД Набор НПД Батиметрия Кол-во Кол-во Кол-во Кол-во КПО точек линий полигонов 2 61851 261 -

93 Социально- 2 - 170 - Полевые данные 6 459 - - Геоморфология 9 - - 761 Гидрография 9 - 360 415 Ландшафты 1 - - 47 ММП 9 120 - 711 Снежный покров 5 99 - - Рельеф 10 88 673 7 Растительность 3 - - 16143 Локальные данные 4 2683 - - Всего 60 65300 1464 18084 эеономические объекты Растровые данные в БГД представлены ЦМР с различными производными изображениями, карта водного эквивалента снежного покрова, батиметрические карты нескольких озер, растровые карты и планы различных масштабов, скорректированных и обработанных ДДЗ (приложение 2.2). Общая структура БГД (рис. 3.13) позволяет ей быстро пополняться новыми данными, которые появляются в результате пространственного анализа. Созданная БГД имеет целью поддержку анализа процессов, протекающих в высокоширотных условиях зоны тундры. Она адаптирована к быстрому пополнению данными, их обработке и получению продуктов высокого уровня, например, карт снежного покрова, выделенных водосборных бассейнов, ландшафтных и др.), включая моделирование на основе ГИС. Структура БГД позволяет наполнять ее данными из различных источников, большинство из которых – полевые данные и результат обработки ДДЗ. Полевые данные являются основным источником данных в

94 БГД и служат также для валидации ДДЗ, которые в дальнейшем могут быть использованы для экстраполяции этих полевых данных и построения новых слоев ГИС или их наборов в виде цифровых карт (рис. 3.14). Векторные данные ВД БГД Батиметрия Растровые данные ЦМР Соц.-эконом. объекты Карта ВЭ СП Полевые данные Батиметрические карты Геоморфология Топографические карты Гидрография Ландшафты ДДЗ ММП Снежный покров Рельеф Растительность Локальные данные Рис. 3.13. Схематическая структура данных в БГД (стрелками показаны связи “источник данных” – “продукт”. валидация БГД основа для сравнения ДДЗ Интерполяция Полевые данные ГИС-модели Рис. 3.14. Структура источников данных в БГД и их взаимосвязь.

95 Комбинация полевых и дистанционных данных представляется крайне важной, поскольку моделирование параметров, лежащих ниже поверхности земли, таких как температура пород, содержание разных форм подземного льда в локальном и региональном масштабах может проводиться только с применением ландшафтного подхода (ландшафтноключевым методом) (Методика мерзлотн…., 1979; Streletskiy et al., 2012). Существующие в настоящее время общедоступные (некоммерческие) базы данных по мерзлоте главным образом ориентированы на глобальный масштаб, например, Circum Arctic Permafrost System (CAPS и CAPS-2), содержащие информацию по нескольким характеристикам мерзлоты и сопутствующие базы метаданных (International…, 2003). Еще одна служба сбора и распространения данных по двум основным параметрам мерзлоты (температура пород и глубина СТС) – это Глобальная континентальная сеть по мерзлоте (Global Terrestrial Network on Permafrost, GTNP). Существуют также национальные геокриологические базы данных (например, Minkin et al. 2001). Множество локальных баз данных разрабатываются различными исследовательскими коллективами для конкретных объектов и районов (Орлов и др., 2009), обеспечивая поддержку поиска связей между природными условиями и соответствующими параметрами. Разработанная в представленной работе структура БГД позволяет извлекать из нее определенные классы пространственных объектов и публиковать их на таких ресурсах, как мировой центр данных PANGAEA (http://www.pangaea.de). 3.5.3. Сетевая ГИС в приложении к БГД Сетевая ГИС (WebGIS) является удобным инструментом для визуализации и анализа пространственных данных различных типов и источников. Для приложения WebGIS пользовательская ГИС, основой которой является БГД, транспортируется в веб-браузер через

96 интерактивные сетевые ресурсы. Пользователь имеет возможность создавать персональные варианты визуализации слоев базы данных ГИС. Институт Полярных и морских исследований имени Альфреда Вегенера (AWI, Германия) предлагает возможность создания WebGIS на основе приложения JavaScript. Основными компонентами WebGIS являются ArcGIS for Server 10.3 и PostgreSQL databases 9.3.1, включая Spatial Database Engine (SDE). AWI WebGIS сервер был выбран для публикации определенных классов пространственных объектов БГД, которые отражают общее состояние исследований на территории полигона «Васькины Дачи». Особенностью WebGIS является то, что этот сервис открыт для внешних пользователей в режиме просмотра. WebGIS проект “Ямал” доступен для просмотра с использованием ссылки (http://maps.awi.de/yamal/) и в нем сохранена структура БГД (рис. 3.15). Сетевая ГИС «ЯМАЛ» CALM Сетка CALM Точки GOA Лагерь Трансекта CALM Гидрография Пробы воды Реки и ручьи Озера Криогенные процессы Дороги Растительность Кустарники Осока Геоморфологические уровни Песчаные раздувы Карта ВЭ СП Рельеф Тела оползней Оползни Опасности Рис. 3.15. Структура WebGIS “Ямал” (голубые блоки – векторные данные, оранжевые блоки - растровые данные).

97 Пример визуализации представлен на рисунке 3.16. Рис. 3.16. Пример визуализации WebGIS «Ямал». Выводы по главе 3. 1. Расчитанные объемы воды в озерах изменяются в пределах от 0,04×106 до 2,88×106 м3. Выявлено, что объем воды в озере незначительно влияет на концентрацию в нем ОРОВ (R2=0,3) 2. Выделены векторные полигоны кустарниковой растительности на основе обработки радарных снимков ALOS Palsar. Доля высокоствольных ивняков может превышать 76% от площади водосборного бассейна. 3. Орографические условия тундр Центрального Ямала обуславливают крайне неравномерное Моделированием распределение удалось снежного количественно покрова. подтвердить закономерность распределения снежного покрова: сдувание ветром с вершин холмов и накопление в понижениях, отмеченную другими авторами. Для количественной оценки этой закономерности в общей

98 модели предложено введение специальной поправки, использующей значения экспозиции склонов. Использование поправки позволяет индексировать склоны по отношению к господствующему направлению ветра и автоматизировать ее введение. 4. На основе статистического анализа данных выявлено, что для ключевого участка степень взаимосвязи индекса кривизны поверхности и толщины снежного покрова является очень высокой (R = -0,83), поскольку вышеуказанный индекс описывает участки с различной степенью выпуклости и вогнутости поверхности – зоны выдувания и аккумуляции снежного покрова соответственно. Однако, представляется очевидным, что такая тесная связь параметров может быть получена только с использованием ЦМР высокого разрешения. В противном случае корреляция этих параметров может быть существенно снижена. 5. Влияние кустарников на перераспределение снега выражается в том, что они играют роль «ловушки» для снега при перемещении его ветром. Однако связь высоты кустарников и толщины снега прослеживается в том случае, когда отрицательная форма рельефа не предопределяет накопления снега большей, чем высота кустарника, толщины, как например, в оврагах. Учитывая тот факт, что на ключевом участке высокоствольные ивняки приурочены как раз к понижениям в рельефе, можно говорить об ограниченном влиянии кустарниковых сообществ на толщину снега там, где решающую роль играет наличие значительного понижения в рельефе. Однако, кустарники задерживают часть снежного покрова, оказывая лимитирующее воздействие. 6. На основе полевых данных и выявленных закономерностей между различными факторами и толщиной снежного покрова разработана методика моделирования водного эквивалента снежного покрова на

99 основе ГИС. Проверка показала применимость методики для определенного типа ландшафта. 7. Методика была применена для создания карты распределения толщины снежного покрова на более обширную территорию (350 кв.км.). Исходными данными при построении являлись ЦМР TandDEM-x IDEM (раздел 3.2) и слой с отдешифрированными кустарниками (раздел 3.3.3). Рассчитанный объем снегозапасов изменяется в пределах от 592 до 1062865 м3 при среднем значении 78766 м3. 8. Для последующего статистического анализа собран и сведен в базу данных набор параметров, которые с наибольшей вероятностью оказывают влияние на формирование концентрации ОРОВ озерах Ямала. 9. БГД полигона «Васькины Дачи» состоит из 11 векторных наборов пространственных данных с более чем 80000 объектов геометрии, а также растровыми данными и метаданными. БГД является основой для WebGIS “Ямал”, служащей для визуализации геоданных и их распространения среди потенциальных пользователей. Данные, структурированные и накопленные в базе легли в основу статистических и теоретических моделей, представленных в работе.

100 ГЛАВА 4. Теоретическая (описательная) модель активности термоденудации на основе статистической модели источников ОРОВ в озерной воде Для выявления набора параметров, которые наиболее точно описывают различия в концентрации ОРОВ между озерами, мы применили процедуру статистической обработки накопленных данных (см. глава 3). При этом было принято, что концентрация ОРОВ в озерах (значение оптической плотности на участке 440 нм) является зависимой величиной, а другие параметры природной среды (характеристики самих озер и их водосборных бассейнов) являются независимыми величинами и, в разной степени, влияют на зависимую величину. 4.1. Статистическая модель влияния основных параметров на концентрацию ОРОВ в озерах Ямала Статистическая обработка была применена к набору данных ОРОВ, полученных на основе обработки ДДЗ 2013 г. (n=363), (см. разд. 2.2.3). Была применена процедура улучшенного регрессионного анализа “boosted regression tree” (Elith et al., 2008) для выявления степени влияния отдельных параметров природной среды на концентрацию ОРОВ, а также процедура регрессионного анализа “regression tree” для оценки точности модели. Всего было собрано 19 независимых величин (характеристик озер и водосборных бассейнов) для каждого из анализируемых озер (приложение 2.5). Список независимых величин приведен в таблице 4.1. Рассчитанные концентрации были сопоставлены с набором параметров (см. главу 2). Статистическая обработка произведена в программе R 3.2.2©.

101 Результаты статистической обработки представлены на рисунке 4.1, на котором показаны доли различных параметров, влияющих на концентрацию ОРОВ. Таблица 4.1 Список используемых в статистическом анализе параметров природной среды как независимых величин в статистической модели ОРОВ Параметр CDOM_13 Описание Значения аОРОВ(440), полученные в результате обработки оптических снимков 2013 года (разд. 2.2.3), м-1 CDOM_09 Значения аОРОВ(440), полученные в результате обработки оптических снимка 2009 года (разд. 2.2.3), м-1 LK_PER Периметр озера, м LK_AR Площадь озера, га IN Наличие впадения реки/ручья (0 – нет, 1 – есть) OUT Отток в форме реки/ручья LA_CA Соотношение площади озера к площади водосборного бассейна POS Расположение озера (0 – пойма рек Се-Яхи и Морды-Яхи, 1 – III, IV, V морские террасы) LK_WL Высота уреза воды озера (эллипсоид WGS-84), м. TC_LD Наличие термоденудации (0 – нет, 1 – есть) DA Площадь водосборного бассейна, нарушенная процессом термоденудации, га DA_LA Соотношение нарушенной территории к площади озера CA_AR Площадь водосборного бассейна, га CA_PER Периметр водосборного бассейна, м SLOPE_WGT Среднее значение углов наклона поверхности территории водосборного бассейна, град SHR Площадь, занятая высокоствольными ивняками (раздел 3.3.3), га SHR_PERC Доля площади высокоствольных ивняков в водосборных бассейнах, % SWE Снегозапасы в форме ВЭ СП, м3 (разд. 3.4.4) SWE_NORM Log-нормализованное значение SWE NDVI Медиана значений вегетационного индекса NDVI (разд. 3.3.2) CHLA Медиана значений вегетационного индекса CHLA (разд. 3.3.2)

102 Этими параметрами являются: 1) соотношение площадей озера и водосборного бассейна (доля 26,8%), 2) высота уреза воды озера (доля 26%), 3) снегозапасы в водосборном бассейне (доля 26%), 4) активность термоденудации (доля 12,8%), 5) продуктивность растительного покрова (доля 6,6%). Рис. 4.1 Результаты статистического анализа для расширенного набора данных по 363 озерам. Для оценки точности модели была дополнительно применена процедура регрессионного анализа “regression tree” (функция rpart, программный пакет R 3.2.2©). В отличие от улучшенного регрессионного анализа (boosted regression tree), который подразумевает построение множества регрессионных деревьев, регрессионный анализ “regression tree” строит всего одно дерево, однако позволяет произвести оценку точности модели. Анализ показал значение R2 равное 0,6. Это означает, что модель в 60% случаев объясняет различия в концентрации ОРОВ между озерами. Недостающие проценты – результат погрешностей на уровне получения исходных данных, а также влияние других факторов, не учтенных в анализе.

103 4.2. Методика выявления активности термоденудации с применением ДДЗ Климатические изменения в Арктике могут привести к таянию ММП (IPCC, 2007). Увеличение средней летней температуры воздуха и атмосферных осадков может изменить глубину СТС (Zhang et al., 1997) и, как следствие, привести к увеличению эмиссии газов в атмосферу и РОУ, прежде находившегося в мерзлом состоянии, во внутренние водоемы (Freeman et al., 2001; Shuur et al. 2008; Lafreniere, Lamoureux, 2013; Vonk et al., 2013). Однако для озер, расположенных в лесной зоне Северной Америки, найден 20-летний тренд к снижению концентрации РОУ в озерной воде (Schindler et al., 1996). Авторы объясняют 15-20 процентное снижение РОУ также воздействием климатических изменений (увеличением температуры и снижением количества атмосферных осадков), что могло привести к более частым засухам и, как следствие, к снижению транспорта РОУ с окружающих озера водосборных бассейнов (Schindler et al., 1996). Механизмы транспорта органического вещества в озера в зоне с развитием ММП могут иметь совсем другой сценарий развития. В этой работе мы также хотели обратить внимание на то, каким образом климатические флуктуации и динамика СТС могут оказывать влияние на концентрацию РОУ в озерах Центрального Ямала, поскольку арктические озера являются довольно чувствительными к климатическим изменениям (Vincent et al., 1998), что делает их репрезентативным объектом мониторинга. 4.2.1. Активизация и динамика термоцирков В 2015 году в полевых и камеральных условиях проведен количественный анализ развития термоденудационных форм (термоцирков), образовавшихся, главным образом, в летний период 2012 года (Leibman et al., 2015). Расположение термоцирков, образовавшихся в

104 2012 году (А, В-1, Г-1, Е) в результате повышения средней летней температуры воздуха и количества осадков и ранее 2010 (Б) в результате техногенного воздействия, показано на карте (рис. 2.2). Мониторинг термоцирков в 2012-2015 гг. позволил выявить годовой прирост этих термоденудационных форм (табл. 4.2, рис. 4.2 – 4.6). Инструментальными измерениями за отступанием бровки термоцирков установлено, что скорость прироста их площади на начальном этапе активизации термоденудации в подавляющем большинстве случаев максимальна. Таблица 4.2. Результаты режимных наблюдений за отступанием бровки термоцирков на ключевом участке "Васькины Дачи" Термоцирк Залежеобразующие подземные льды Дата измерения положения бровки А Пластовые и ПЖЛ Б Пластовые и ПЖЛ 05.09.2012 05.07.2013 27.08.2013 30.08.2015 05.07.2013 27.08.2013 26.08.2015 Площадь термоцирка, тыс.м2 (прирост, %) 2,3 2,9 (26,9) 4,2 (45,9) 6,4 (50,2) 2,6 4,1 (57,7) 4,7 (14,6) В-1 Пластовые Г-1 Пластовые Е Пластовые 05.07.2013 27.08.2013 26.08.2015 05.07.2013 27.08.2013 27.08.2014 05.07.2013 26.08.2013 27.08.2014 26.08.2015 1,3 2,9 (123,1) 5,1 (75,9) 5,8 7,6 (31,0) 8,5 (11,8) 25,7 30,8 (19,8) 35,9 (16,5) 40,8 (13,6)

105 Прирост площади термоцирка в первый год активизации процесса превышает 100% от общей площади при возникновении новых форм и 50% при ре-активизации временно стабилизировавшихся «классических» термоцирков, развивающихся по пластовым льдам. Прирост для термоцирков с сочетанием вытаивания пластового и ПЖЛ также близок к 50% от общей площади. Максимальное отступание может достигать 25-30 м/год при средних значениях 15 м/год. Сопоставление положения бровок термоцирков в 2013 г. по космоснимку в первой половине теплого периода и полевых данных в конце теплых периодов 2012-2015 гг. показало, что темпы прироста площади термоцирков сокращаются с постепенным увеличением их суммарной площади. Рис. 4.2 Динамика термоцирка А по результатам дешифрирования снимка GeoEye 2013 г. и полевых съемок 2012-2015 гг при помощи приемника GPS Garmin.

106 Рис. 4.3. Динамика термоцирка Б, образовавшегося ранее 2010 года в результате техногенного воздействия (проездов вездеходной техники) по результатам дешифрирования снимков GeoEye 2013 г, Quickbird 2010 г. и полевых съемок 2013 и, 2015 гг при помощи приемника GPS Garmin. Рис. 4.4. Динамика термоцирков В-1 (верхний) и В-2 (нижний) по результатам дешифрирования снимка GeoEye 2013 г. и полевых съемок 2013 и 2015 гг при помощи приемника GPS Garmin.

107 Рис. 4.5 Динамика термоцирка Г-1 по результатам дешифрирования снимка GeoEye 2013 г. и полевых съемок 2013-2015 гг при помощи приемников GPS Garmin и DGPS Trimble 5700. Рис. 4.6. Динамика термоцирка Е (слева) по результатам дешифрирования снимка GeoEye 2013 г. и полевых съемок 2013-2015 гг при помощи приемника GPS Garmin, и его фотография, сделанная в августе 2015 года (справа).

108 4.2.2. Влияние процессов термоденудации на концентрацию ОРОВ в озерах Ранее, для термокарстовых озер, расположенных в дельте р. Маккензи, было показано, что озера, нарушенные термоденудацией (retrogressive thaw slumps), в среднем имеют меньшую концентрацию РОУ и вода в таких озерах более прозрачная (Kokelj et al., 2005), что авторы связывают с седиментацией органического вещества на тонкодисперстных глинистых частицах и их совместное осаждение (Thompson et al., 2008; Kokelj et al., 2009). Авторы этих работ поясняют, что в момент отбора проб термоцирки были неактивны и активного транспорта взвешенных веществ не происходило (Kokelj et al., 2009). Термоцирки, наблюдаемые нами в полевых условиях, активизировались, главным образом, в 2012 году (Leibman et al., 2015), т.е. являются относительно свежими (см. главу 1). Наблюдаемые скорости отступания бровки термоцирков в последние годы были относительно высокие (увеличение площади на 75% за 4 летних сезона, см. раздел. 4.2.1). Активный процесс термоденудации сопровождается транспортом большого количества ВВ в озера, что можно видеть, в том числе, на космических снимках (рис. 4.7). Статистический анализ показал, что медианы измеренных значений концентрации взвешенных веществ в 2014 и 2015 годах для озер без активной термоденудации в 4-5 раз ниже, чем для озер, береговая линия которых нарушена образовавшимися термоцирками (рис. 4.8). Озера с термоцирками становятся гораздо более мутными (см. рис. 4.7). Более того, в разрезах образовавшихся термоцирков были обнаружены залежи торфа с характерным запахом (рис. 1.9 – 1.10), что может быть потенциальным дополнительным источником аллохтонного органического вещества. Измеренная концентрация РОУ в водной вытяжке, отфильтрованной из торфа составила 243 мг/л. Мы считаем, что захороненные в мерзлоте

109 торфяники при образовании термоцирков способствуют транспорту большого количества органического вещества в озера. Рис. 4.7. Примеры обследованных озер и их изображение на оптических снимках: A, B, C – озера без активного процесса термоденудации, D, E, F – с наблюдаемой активной термоденудацией в береговой зоне озер. Повышенная концентрация взвесей в озере B объясняется преимущественно глинистыми берегами. Снимки, использованные в качестве подложки: GeoEye-1 2013-07-05 (A,C-F) и WorldView-2 2013-0721(B). Термоцирки оконтурены красной линией. Анализ полевых данных за 2014 и 2015 гг. отдельно для озер без термоцирков и озер с термоцирками показал, что медиана значений оптической плотности ОРОВ на 440 нм (аОРОВ(440)) у озер с термоцирками может быть в 2-3 раза выше, чем у озер без термоциков (рис. 4.9). Это означает, что процесс термоденудации в береговой линии озера на ранней стадии может значительно повысить концентрацию ОРОВ.

110 Рис. 4.8. Различия в концентрациях взвешенных веществ (ВВ) в озерах без активной термоденудации в береговой зоне (б/ТД) и с активными термоцирками (ТД). Данные приведены для 2014 и 2015 гг. Рис. 4.9. Различия в оптической плотности (аОРОВ(440)) в озерах без активной термоденудации в береговой зоне (б/ТД) и с активными термоцирками (ТД). Приведены данные по результатам полевых работ 2014 и 2015 гг.

111 Сходная статистика была получена при анализе ДДЗ (разд. 2.2.3) за 2013 год. На полигоне из 363 озер было выделено 14 с активными термоцирками, образовавшимися в 2012 году, включая обследованные в поле. Результаты показали, что медиана значений оптической плотности ОРОВ у озер с термоцирками также, как и в случае с полевыми данными, в 2-2,5 раза выше, чем у озер без термоцирков (рис. 4.10). Рис. 4.10. Различия в параметре аОРОВ(440) в озерах без активной термоденудации в береговой зоне (б/ТД) и с активными термоцирками (ТД). Приведены дистанционные данные за 2013 г. Удалось также детально оценить изменение концентрации ОРОВ в озерах в 2013 г. (с активными термоцирками) по сравнению с 2009 годом, когда активных термоцирков не существовало. В табл. 4.3 приведены результаты определения оптической плотности ОРОВ на 440 нм за 2009 и 2013 годы. Покрытие снимков (рис. 2.6) позволило проанализировать всего 4 озера. Параметр S может служить индикатором источника органического вещества (Davis-Colley & Vant, 1987; Carder et al. 1989; Blough & Green 1995;

112 Helms et al., 2008). Транспорт аллохтонного ОРОВ может привести к снижению значений S (Laurion et al., 1997), что связано с более высокой долей фульво- и гуминовых кислот с большим молекулярным весом (Kaishan et al. 2015). Таблица 4.3 Увеличение концентрации ОРОВ в определенных озерах, вызванное активностью термоцирков в береговой зоне. Озеро аОРОВ(440), м-1 (2009) аОРОВ(440), м-1 (2013) прирост в % LK-015 1,277 5,265 312 LK-027 0,528 2,664 404 LK-178 2,329 9,371 302 LK-298 1,078 7,444 590 Статистический анализ показал, что озера с термоцирками обладают более низкими значениями S (0,014) по сравнению с озерами без термоцирков (0,017) (рис. 4.11). Рис. 4.11. Различия в параметре уклона (S350-500)в озерах без активной термоденудации в береговой зоне (б/ТД) и с активными термоцирками (ТД). Приведены полевые данные за 2014 и 2015 гг.

113 Таким образом, все 3 рассмотренных параметра и по полевым, и по дистанционным данным показывают значительное (от 300 до 600 %) различие между их значениями в озерах, берега которых поражены термоденудацией и в озерах со стабильными берегами. Как указано выше, 2012 год характеризовался довольно жарким летом (рис. 1.2, Leibman et al. 2015). В то же время, значительное увеличение концентрации ОРОВ было обнаружено в озерах в 2012 году по сравнению с 2011 годом (см. рис. 2.3), и после этого последовало снижение средней концентрации. Детальные кривые абсорбции ОРОВ показаны также на рис. 4.12 и отражают динамику концентрации ОРОВ за 4 года. Увеличение летних температур воздуха и количества атмосферных осадков в 2012 году привело к увеличению транспорта органики в озера из более глубоко протаявшего СТС (рис. 1.2) и из-за увеличения смыва с поверхности. Концентрация ОРОВ снизилась одновременно во всех озерах к 2014 году, который характеризовался не столь высокими значениями летних температур и количества осадков. Такой вывод согласуется с выводами, сделанными в работе (Lafreniere, Lamoureux, 2013). Озера, представленные на рис. 4.12, не были нарушены процессами термоденудации в береговой зоне и на протяжении 5 лет оставались стабильными. Используя набор данных, полученных в результате обработки оптических ДДЗ (см. разд. 2.2.3), было также рассчитано изменение концентрации ОРОВ в одних и тех же озерах (за исключением озер с термоцирками) в 2013 году по отношению к 2009 году. Результаты статистического анализа приведены на рис. 4.13. Медианы значений для озер без образовавшихся на берегах термоцирков равны 1,3 и 2,1 для 2009 и 2013 годов соответственно. Увеличение концентрации ОРОВ в одних и тех же озерах незначительно (менее 1 м-1 оптической плотности). Эти два года характеризовались приблизительно одинаковыми температурными

114 показателями (среднегодовая температура -8,3ºС и -7,3ºС для 2009 и 2013 гг. соответственно, в 2012 этот показатель равнялся -4,1 ºС)), (рис. 1.2). Из этого можно сделать вывод, что только экстремальные температурные условия, которые наблюдались в 2012 году, могут привести к значительному увеличению концентрации ОРОВ во всех озерах (рис. 4.12). Рис. 4.12. Кривые абсорбции ОРОВ в 2011, 2012, 2014, 2015 годах для 6 озер без активных термоцирков, в которых производились повторные измерения. Мониторинг влияния климатических флуктуаций и динамики СТС на транспорт органического вещества нами пока детально не проводился, однако представляется логичным, что геохимический барьер на подошве СТС способствуют концентрации в этом слое различных веществ, в том числе, органических (Бешенцев, Семенова, 2014; Лейбман, Кизяков, 2007), и, климатические изменения могут привести к высвобождению дополнительного органического вещества и его транспорту, как следует из (Leibman, Streletskaya, 1997; Kokelj, Lewkowicz, 1999; Kokelj et al., 2005).

115 Рис. 4.13. Статистика аОРОВ(440) для одних и тех же озер (без активной термоденудации в береговой зоне) за 2009 и 2013 год. Процессы дополнительного транспорта органического вещества, вызванные как климатическими межгодовыми колебаниями, так и активизацией процессов термоденудации – звенья одной системы. Активизация термоденудации за последние 3 года показала значительные скорости разрушения озерных берегов с выведением на поверхность и далее в твердый сток органического вещества. Роль термоденудации оценивается в 300-600% увеличения концентрации ОРОВ в озерах (табл. 4.3), что значительно превышает рост концентрации, вызванный межгодовыми климатическими изменениями (20-30%, см. рис. 4.12, 4.13) в случае, если они незначительны. Таким образом, используя знания об активности процессов термоденудации на Ямале, а также полученные знания о динамике параметра концентрации ОРОВ в озерах и зависимость от различных факторов, таких как свойства водосборных бассейнов и озер, а также климатических изменений, возможно проводить мониторинг образования термоцирков и оползней на более обширной территории, используя ДДЗ.

116 При переходе от более крупного к более мелкому масштабу, возможно выделение зон и районов, где риск образования подобных опасных процессов наиболее вероятен, вследствие наличия залежеобразующих льдов, находящихся близко к поверхности. Алгоритмы автоматизированного выделения озер и их водосборных бассейнов, разработанные или усовершенствованные в этой работе, позволяют достаточно быстро оценивать экологическое состояние систем “водосборный бассейн – термокарстовое озеро”. Лабораторными и наземными методами калибрована модель оценки активности термоденудации по ДДЗ. Проведенный анализ позволяет предложить методику оценки активности термоденудации по ДДЗ, заключающуюся в следующем. Необходим подбор космических снимков сверхвысокого пространственного разрешения, полученных в относительно безветренную погоду. Необходима их всевозможная коррекция (геометрическая, радиометрическая, атмосферная) с получением, в конечном счете, значений отраженной радиации вместо значений яркости, исправленных с учетом свойств атмосферы. Использую эти данные, возможен рассчет параметра аОРОВ(440) для озер, попавших в зону интереса. На основании имеющихся знаний о концентрации ОРОВ в озерах с активным процессом термоденудации и без, возможно выявление зон, в которых процесс термоденудации протекает активно. Выводы к главе 4: 1) Результаты статистической обработки параметров водосборных бассейнов и озер выявили доли различных параметров, влияющих на концентрацию ОРОВ. Этими параметрами являются: 1) соотношение площадей озера и водосборного бассейна (доля 26,8%), 2) высота уреза воды озера (доля 26%), 3) снегозапасы в водосборном бассейне (доля 26%), 4) активность термоденудации (доля 12,8%), 5) продуктивность растительного покрова (доля 6,6%).

117 2) Мониторинг термоцирков в 2012-2015 гг. позволил выявить годовой прирост этих термоденудационных форм. Инструментальными измерениями за отступанием бровки термоцирков установлено, что скорость прироста их площади на начальном этапе активизации термоденудации в подавляющем большинстве случаев максимальна. Прирост площади термоцирка в первый год активизации процесса превышает 100% от общей площади при возникновении новых форм и 50% при ре-активизации временно стабилизировавшихся «классических» термоцирков, развивающихся по пластовым льдам. Прирост для термоцирков с сочетанием вытаивания пластового и ПЖЛ также близок к 50% от общей площади. Максимальное отступание может достигать 25-30 м/год при средних значениях 15 м/год. 3) Имеет место увеличение концентрация ОРОВ и взвешенного вещества на 100-600% в озерах, берега которых поражены термоденудацией по сравнению с озерами со стабильными берегами. 4) Роль термоденудации в увеличении концентрации ОРОВ в озерах (в 2-3 раза) значительно превышает рост концентрации, вызванный межгодовыми климатическими изменениями (20-30%).

118 ВЫВОДЫ 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

119 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

120 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. Выявлено, что индекс кривизны поверхности, экспозиция склонов и наличие высокоствольных ивняков позволяют наиболее полно описывать характер распределения снежного покрова в тундре. На основании найденной статистической зависимости была построена карта снегозапасов

121 ключевого участка, а также были рассчитаны запасы воды в снежном покрове для водосборных бассейнов 363 озер. ГИС-ориентированная совмещать, накапливать структура и базы обрабатывать геоданных позволила 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 географической среды. База геоданных полигона «Васькины Дачи» состоит из 11 векторных наборов пространственных данных с более чем 80000 объектов геометрии, а также растровыми данными и метаданными. База геоданных является основой для WebGIS “Ямал”, служащей для визуализации геоданных и их распространения среди потенциальных пользователей. База геоданных является основой для моделирования на основе ГИС и осуществления пространственного анализа, структурирования и накапливания материала о природных объектах в цифровом виде. Исследование взаимодействия множественных параметров природной среды стало возможно только в результате структурирования накопленных материалов в рамках созданной базы геоданных, а также при применении бассейнового подхода. Именно бассейновый подход, положенный в основу анализа совокупности пространственных (наземных и дистанционных) и лабораторных данных, наряду с использованием комплекса полевых, лабораторных и дистанционных методов, позволил исследовать взаимодействия параметров природной среды. На основе изученных параметров, разработана статистическая модель, позволившая количественно оценить влияние основных факторов, определяющих концентрацию растворенного органического вещества в озерах Ямала. Доказано, что из рассмотренных 19 факторов основными являются 5, к которым относятся (1) соотношение площадей озера и

122 водосборного бассейна, (2) высота уреза воды озера, (3) количество снега в водосборном бассейне, (4) активность термоденудации, и (5) продуктивность растительного покрова. Точность модели R2=0,6. Разработан метод мониторинга термоденудационных форм рельефа (термоцирков) с применением космических съемок сверхвысокого разрешения, с калибровкой полевой тахеометрической и DGPS съемками исследуемых форм рельефа. Активность термоденудациии, динамика термоцирков являются геориском и дистанционный мониторинг этих процессов значительно облегчается применением космических снимков. Инструментальными измерениями за отступанием бровки термоцирков установлено, что скорость прироста их площади на начальном этапе активизации термоденудации в подавляющем большинстве случаев максимальна. Прирост площади термоцирка в первый год активизации процесса превышает 100% от общей площади при возникновении новых форм и 50% при ре-активизации временно стабилизировавшихся «классических» термоцирков, развивающихся по пластовым льдам. Прирост для термоцирков с сочетанием вытаивания пластового и повторножильного льда также близок к 50% от общей площади. Максимальное отступание может достигать 25-30 м/год при средних значениях 15 м/год. На основе данных измерений концентрации окрашенного растворенного органического вещества за несколько лет, было также установлено, что имеет место снижение средней концентрации вместе с развитием термоденудационных форм.

123 СПИСОК ЛИТЕРАТУРЫ 1. Баду Ю.Б., Трофимов закономерности В.Т., распространения Васильчук и типы Ю.К. Основные пластовых залежей подземного льда в северной части Западно-Сибирской плиты // Пластовые льды криолитозоны. – Якутск. – 1982. - С.13-24. 2. Баулин В.В., Белопухова Е.Б., Дубиков Г.И., Шмелев Л.М. Геокриологические условия Западно-Сибирской низменности. - М.: Изд-во Наука. – 1967. – 214 с. 3. Бешенцев В.А., Семенова Т.В. Техногенное воздействие нефтегазового комплекса на криолитозону севера Западной Сибири // В сборнике: Геология и нефтегазоносность Западно-Сибирского мегабассейна (опыт, инновации), Материалы Девятой Международной научно-технической конференции (посвященной 100-летию со дня рождения Протозанова Александра Константиновича). – Тюмень. - 2014. - С. 171-174. 4. Бешенцев В.А. Ресурсы подземных вод Ямало-Ненецкого нефтегазодобывающего региона и проблемы их использования // Известия Уральского государственного горного университета. - 2013. - №2(30). - С. 15-20. 5. Воскресенский К.С. Современные рельефообразующие процессы на равнинах Севера России. М.: Изд-во МГУ. – 2001. - 262 с. 6. Гидрология заболоченных территорий зоны многолетней мерзлоты Западной Сибири // Под ред. С. М. Новикова. СПб.: Изд-во ВВМ. 2009. - 536 с. 7. ГОСТ 31868–2012. Вода. Методы определения цветности. М.: Изд-во Стандартинформ. - 2014. - 12 с. 8. Губарьков А.А., Лейбман М.О., академик Мельников В.П., Хомутов А.В. Вклад термоэрозии и термоденудации в отступание берегов

124 Югорского полуострова // Доклады Академии Наук. – 2008. - Т. 423. №4. - С. 543-545. 9. Данилов И.Д. О гипотезе покровного оледенения арктического шельфа и прилегающих равнин севера Евразии // Известия АН СССР. Серия географическая. – 1987. - №2. - С. 80-88. 10. Дворников Ю.А., Хомутов А.В., Муллануров Д.Р., Ермохина К.А. Моделирование распределения водного эквивалента снежного покрова в тундре с использованием ГИС и данных полевой снегомерной съёмки // Лёд и Снег. – 2015. – Т.55. - №2. – С. 69-80. DOI:10.15356/2076-6734-2015-2-69-80. 11. Достовалов Б.Н., Кудрявцев В.А. Общее мерзлотоведение. - М.: Издво МГУ. – 1967. - 403 с. 12. Дубиков Г.И. Состав и криогенное строение мерзлых толщ Западной Сибири. - М.: ГЕОС. – 2002. – 246 с. 13. Житков Б.М. Полуостров Ямал. - СПб.: Зап. ИРГО по общ. геогр. 1913. - Т. 49. - 349 c. 14. Инженерно-геологический мониторинг промыслов Ямала. - Тюмень: ИПОС СО РАН. - 1996. – Т.2. - 240 с. 15. Качурин С.П. Термокарст на территории СССР. - М.: Изд-во АН СССР. – 1961. – 291 с. 16. Кизяков А.И. Динамика термоденудационных процессов на побережье Югорского полуострова // Криосфера Земли. – 2005. - Т. IX. - №1. - С. 63–67. 17. Кизяков А.И., Зимин М.В., Лейбман М.О., Правикова Н.В. Применение космической съемки высокого разрешения для определения скорости термоденудации и термоабразии на Западном побережье острова Колгуев // Геокриологическое картографирование: Проблемы и перспективы: Программа конференции. Тезисы

125 конференции. Москва. -5-6 июня 2013 г. - М.: РУДН. – 2013. - С. 108111. 18. Кирпотин С.Н. Динамика площадей термокарстовых озер в сплошной и прерывистой криолитозонах Западной Сибири в условиях глобального потепления /С.Н. Кирпотин, Ю.М. Полищук, Н.А. Брыксина // Вестник Томского государственного университета. – Томск. - 2008. - №133. – С. 185-189. 19. Китаев Л.М., Кислов А.В. Региональные различия снегонакопления – современные и будущие изменения (на примере Северной Европы и севера Западной Сибири) // Криосфера Земли. - 2008. - Т. 12. - №2. С. 98–103. 20. Конищев В.Н. Реакция вечной мерзлоты на потепление климата // Вестник МГУ. - Сер. 5. Геогр. – 2009. - №4. - C. 10-20. 21. Концевая В.В., Соколов В.М., Фрейдлин В.С. Исследование снегонакопления на различных формах рельефа в Хибинах // Тр. 3-го Всесоюз. совещ. по лавинам. - Л.: Гидрометеоиздат. - 1989. - С. 232– 240. 22. Коняхин М.А. Подземные льды и динамика криогеосистем // Геоэкология Севера. - М.: МГУ. – 1992. - С. 43-50. 23. Копанев И.Д. Снежный покров на территории СССР. - Л.: Гидрометеоиздат. - 1978. - 181 с. 24. Котляков В.М. Снежный покров и ледники Земли. - М.: Наука. - 2004. - 447 с. 25. Кравцова В.И., Тарасенко Т.В. Изучение динамики термокарстовых озер Центральной Якутии по разновременным аэрокосмическим снимкам в период потепления с 1950 г // Криосфера Земли. – 2011. №3. – С. 31–42. 26. Кравцова В.И., Тарасенко Т.В. Изучение и картографирование динамики термокарстовых озер на территории Западной Сибири по

126 разновременным космическим снимкам // Динамика окружающей среды и глобальные изменения климата. – Томск: Изд-во Том. ун-та. – 2010. - Т. 1. - С. 88–93. 27. Кренке А.Н., Китаев Л.М., Разуваев В.Н, Мартуганов Р.А. Снежность на территории СНГ и его регионов в условиях глобального потепления // Криосфера Земли. - 2000. - Т.4. - №4. - С. 97–106. 28. Криосфера нефтегазоконденсатных месторождений полуострова Ямал / Под ред. Ю.Б.Баду, Н.А.Гафарова, Е.Е.Подборного. - М.: Издво ООО «Газпром Экспо». – 2013. - 424 с. 29. Крицук Л.Н. Подземные льды Западной Сибири. - М.: Изд-во Науч. Мир. - 2010. – С. 59-65. 30. Кузьмин П.П. Формирование снежного покрова и методы определения снегозапасов. - Л.: Гидрометеоиздат. - 1960. - 169 с. 31. Лейбман М. О. геоэкологические Криогенные последствия склоновые в условиях процессы и их распространения пластовых льдов // Дис. ... д-ра геол.-минерал. наук: 25.00.36 Тюмень. – 2005. - 262 с. РГБ ОД, 71:06-4/27. 32. Лейбман М.О. Механизмы формирования криогенных оползней скольжения и условия их индикации по высокорослой иве на Центральном Ямале// Материалы Московского Центра РГО. Биогеография. - М.: РАСХН. - 2004. - Вып. 12. - С. 89–94. 33. Лейбман М.О., Кизяков А.И. Криогенные оползни Ямала и Югорского полуострова. - М.: Типография Россельхозакадемии. 2007. - 206 с. 34. Лейбман М.О., Кизяков А.И. Новый природный феномен в зоне вечной мерзлоты // Природа. – 2016. - №2. – C. 15-24. 35. Лейбман М.О., Лахтина О.В., Титов И.Р., Микляев С.М. Особенности распространения рельефообразующих криогенных процессов на

127 западе Ямала // Денудация в криолитозоне. - М.: Наука. – 1991. – C. 92-99. 36. Лурье И.К. Геоинформационное картографирование. Методы геоинформатики и цифровой обработки космических снимков. – 2-е издание, испр. - М.: Изд-во. КДУ. – 2010. – C. 79. 37. Матвеев В.С., Крицук Л.Н., Баскакова И.Н. Использование магнитного и гравиметрического методов при изучении подземных льдов // Инженерная геология. – 1990. - №3. - C. 85-90. 38. Мельников Е.С., Минкин М.А. О стратегии развития геоинформационных систем (ГИС) и баз данных в геокриологии // Криосфера Земли. – 1998. - №2(3). – С. 70-76. 39. Методика мерзлотной съемки / В. Кудрявцев, Л. Гарагуля, К. Кондратьева и др. — М.: Изд-во МГУ. - 1979. — 358 с. 40. Муллануров Д.Р., Дворников Ю.А., Лейбман М.О., Хомутов А.В. Модель теплового поля пород на Центральном Ямале // Арктика. Субарктика: мозаичность, контрастность, вариативность криосферы: Труды межд. конф. / Под ред. В.П. Мельникова и Д.С. Дроздова. – Тюмень: Изд-во Эпоха. – 2015. - С. 250-253. 41. Орлов Т.В., Березин П.В., Фесель К.И., Викторов А.А. Применение ГИС-технологий при геоэкологическом мониторинге // Моделирование при решении геоэкологических задач. Сергеевские чтения. - М.: Геос. – 2009. – Вып. 11. - С. 74-78. 42. Пармузин С.Ю., Суходольский С.Е. Пластовые льды Среднего Ямала и их роль в формировании рельефа // Пластовые льды криолитозоны. – Якутск. – 1982. - С. 51-61. 43. Погорелов А.В. Снежный покров Большого Кавказа: опыт пространственно-временного анализа. - М.: Академкнига. - 2002. – 286 с.

128 44. Полуостров Ямал / Под ред. В.Т. Трофимова. - М.: Изд-во МГУ. – 1975. - 278 с. 45. Ребристая О.В., Хитун О.В. Ботанико-географические особенности флоры Центрального Ямала // Ботанический журнал. - 1998. - Т. 83. № 7. - С. 37–52. 46. Рихтер Г.Д. Роль снежного покрова в физико-географическом процессе. М.-Л.: Изд-во АН СССР. - 1948. - 171 с. 47. Романенко Ф.А. Формирование озерных котловин на равнинах арктической Сибири // Автореферат диссертации на соискание ученой степени кандидата географических наук. - М.: МГУ. – 1997. – 25 с. 48. Романенко Ф.А. Эрозионные процессы центрального Ямала. - СПб.: Изд-во С-ПбГУ. – 1999. - С. 139–160. 49. Романкевич Е. А. Геохимия органического вещества в океане / Е. А. Романкевич. – М.: Наука, 1977. – 256 с. 50. Романовский Н.Н. Основы криогенеза литосферы. – М.: Изд-во МГУ. – 1993. - 336 с. 51. Санников Г.С. Картометрические исследования термокарстовых озёр на территории Бованенковского месторождения, полуостров Ямал // Криосфера Земли. – 2012. - №2. – C. 30–37. 52. Скопинцев, Б.А. Органическое вещество в природных водах (водный гумус) / Б.А. Скопинцев // Тр. ГОИН. – 1950. – Т.17(29). – 290 с. 53. Соловьев П.А. Многолетнемерзлые породы и сопутствующие им явление на территории Якутской АССР. – М.: Изд-во АН СССР. – 1962. - С. 38–53. 54. Соломатин В.И., Коняхин М.А. Криолитогенез и стратиграфия мерзлой толщи Центрального Ямала // Итоги фундаментальных исследований криосферы Земли в Арктике и Субарктике. – Новосибирск: Наука. – 1997. - С. 173-182.

129 55. Соломатин В.И., Коняхин М.А., Николаев В.И., Михалев Д.В. Условия залегания и состав пластовых льдов на полуострове Ямал // Материалы гляциологических исследований. -М. – 1993. - №77. - С. 139-147. 56. Стрелецкая И.Д., Лейбман М.О. Криогеохимическая взаимосвязь пластовых льдов, криопэгов и вмещающих их отложений Центрального Ямала // Криосфера Земли. – 2002. - Т. 4. - №3. - С. 1524. 57. Стрелецкая И.Д., Украинцева Н.Г., Дроздов И.В. Происхождение и распространение пластовых льдов в криолитозоне Арктики. - М.: Издво МГУ. - 2002. - С. 7-13. 58. Суходольский С.Е., Пармузин С.Ю., Стрелецкая И.Д., Ермаков В.В. Особенности мерзлотно-геологических условий Бованенковской структуры (Средний Ямал) // Геокриологические условия и прогноз их изменения в районах первоочередного освоения Севера. - М.: Стройиздат. – 1984. - С. 42-72. 59. Торопов Г.В., Бешенцев В.А. Особенности формирования химического состава природных вод на территории Уренгойского нефтегазодобывающего региона (на примере Уренгойского НГКМ) // Вестник Тюменского государственного университета. Экология и природопользование. – 2013. - №4. - С. 115-124. 60. Украинцева Н.Г. Кустарниковая тундра Ямала, как индикатор засоленности поверхностных отложений //Материалы фундаментальных исследований криосферы Зесли в Арктике и Субарктике. – Новосибирск: Наука. – 1997. – С. 173-182. 61. Украинцева Н.Г. Особенности распространения кустарниковых тундр на Ямале // Материалы Московского центра РГО. Биогеография. - М.: РАСХН. - 1998. - Вып. 7. - С. 46–53.

130 62. Фотиев С.М. Закономерности формирования ионно-солевого состава природных вод Ямала // Криосфера Земли. -1999. - Т.III. - №2. - С. 40– 65. 63. Фрейдлин В., Шныпарков А. Методика расчёта снегозапасов в малых горных бассейнах // МГИ. - 1985. - №53. С. 96–99. 64. Хомутов А.В., Лейбман М.О. Ландшафтные факторы изменения скорости термоденудации на побережье Югорского полуострова // Криосфера Земли. - 2008. - Т.12. - №4. - C. 24–35. 65. Хомутов А.В., Лейбман М.О., Андреева М.В. Методика картографирования пластовых льдов центрального Ямала // Вестник Тюменского Государственного Университета (Науки о Земле). -2012. - №7. - С. 76–84. 66. Чистов С.В. Принципы определения природоохранных мероприятий для ландшафтов западно-сибирской Арктики и Субарктики в условиях хозяйственного освоения // Проблемы экологии полярных областей, серия Современные проблемы биосферы. - М.: Наука. – 1991. - С. 29-35. 67. Юрьев И.В. Геокриологические, гидрологические и гидрохимические аспекты при выборе источников водоснабжения на полуострове Ямал // Инженерная геология. - М.: ПНИИС. - 2008. - №4. - С. 64-72. 68. Abnizova A., Siemens J., Langer M., Boike J. Small ponds with major impact: The relevance of ponds and lakes in permafrost landscapes to carbon dioxide emissions // Global Biogeochemical Cycles. - 2012. №26. -GB2041. - doi:10.1029/2011GB004237. 69. Audry S., Pokrovsky O.S., Shirokova L.S., Kirpotin S.N., Dupré B. Organic matter mineralization and trace element post-depositional redistribution in Western Siberia thermokarst lake sediments // Biogeosciences. – 2011. - №8. – P. 3341–3358. - doi:10.5194/bg-8-33412011.

131 70. Benson C.S., Sturm M. Structure and wind transport of seasonal snow on the Arctic slope of Alaska // Annals of Glaciology. - 1993. - V. 18. - P. 261–267. 71. Biskaborn B. K., Lanckman J.-P., Lantuit H., Elger K., Streletskiy D. A., Cable W. L., Romanovsky V. E. The new database of the Global Terrestrial Network for Permafrost (GTN-P) // Earth Syst. Sci. Data. – 2015. - №7. – P. 245-259. - doi:10.5194/essd-7-245-2015. 72. Blough N.V., Green S.A. Spectroscopic characterization and remote sensing of non-living organic matter.- In: R.G. ZEPP, C. SONNTAG (eds.): The Dahlem Workshop on the Role of Nonliving Organic Matter in the Earth’s Carbon Cycle. – Berlin. – 1993. – Wiley: New York. – P. 23– 45. 73. Breton J., Valliere C., Laurion I. Limnological properties of permafrost thaw ponds in northeastern Canada // Can J. Fish Aquat. Sci. – 2009. - №66. – P. 1635–1648. - doi: 10.1139/f09-108. 74. Brezonik P., Menken K.D., Bauer M. Landsat-based remote sensing of lake water quality characteristics, including chlorophyll and colored dissolved organic matter (CDOM) // Lake Reservior Manage. – 2005. - №21(4). – P. 373–382. - doi:10.1080/07438140509354442. 75. Bricaud A., Morel A., Prieur L. Absorption by dissolved organic matter of the sea (yellow substance) in the UV and visible domains // Limnol. Oceanogr. – 1981. - №26. – P. 43-53. 76. Brooker A., Fraser R.H., Olthof I., Kokelj S.V., Lacelle D. Mapping the Activity and Evolution of Retrogressive Thaw Slumps by Tasselled Cap Trend Analysis of a Landsat Satellite Image Stack // Permafrost and Periglacial Processes. – 2014. - №25(4). – P. 243-256. - DOI: 10.1002/ppp.1819.

132 77. Brown J., Hinkel K., Nelson F. The circumpolar active layer monitoring (CALM) program: Research designs and initial results // Polar geography. – 2000. - №24. - 166–258. 78. Brown J., Kholodov A., Romanovsky V., Yoshikawa K., Smith S.L., Christiansen H. H., Vieira G., Noetzli J. The Thermal State of Permafrost: the IPY-IPA snapshot (2007–2009) // Proceedings of the 63rd Canadian Geotechnical Conference & 6th Canadian Permafrost Conference. Calgary, Canada, September 12-16. -2010. 79. Buchhorn M., Walker D.A., Heim B., Reynolds M., Epstein H., Schwieder, M. Ground-based hyperspectral characterization of Alaska tundra vegetation along environmental gradients // Remote Sensing. – 2013. №5(8). – P. 3971-4005. - doi:10.3390/rs5083971. 80. Carder K.L., Steward R.G., Harvey G.R., Ortner P.B. Marine humic and fulvic acids: Their effects on remote sensing of ocean chlorophyll // Limnol. Oceanogr. – 1989. - №34. – P. 68–81. 81. CAVM Team. Circumpolar Arctic Vegetation Map Conservation of Arctic Flora and Fauna Map (CAFF) Map No. 1. U.S. Fish and Wildlife Service, Anchorage, AK. – 2003. 82. Chappelle E.W., Kim M.S., McMurtrey J.E. III. Ratio analysis of reflectance spectra (RARS): An algorithm for the remote estimation of the concentrations of chlorophyll a, chlorophyll b, and carotenoids in soybean leaves // Remote Sensing of Environment. – 1992. - №39. – P. 239-247. 83. Chavez P.S.J. Atmospheric, solar, and M.T.F. corrections for ERTS digital imagery // Proc. American Society of Photogrammetry Fall Conference, Phoenix, Arizona. – 1975. – P. 69. 84. Chavez P.S.J. Image-Based Atmospheric Corrections Revisited and Improved // Photogrammetric Engineering and Remote Sensing. – 1996. №62. – P. 1025-1036.

133 85. Clow W.D, Nanus L., Verdin K.L., Schmidt J. Evaluation of SNODAS snow depth and snow water equivalent estimates for the Colorado Rocky Mountains // Hydrological Processes. - 2012. - Published online in Wiley Online Library (wileyonlinelibrary.com). - doi: 10.1002/hyp.9385. 86. Davies-Colley R.J., Vant W.N. Absorption of light by yellow substance in freshwater lakes // Limnol. Oceanogr. – 1987. - №32. – P. 416-425. 87. Djokic D., Ye Z., Dartiguenave C. Archydro tools overview. Redland, CA: ESRI. – 2011. – 189 p. 88. Du Q., Younan N. H., King R., Shah V.P. On the Performance Evaluation of Pan-Sharpening Techniques // IEEE Geoscience and Remote Sensing Letters. – 2007. - №4(4). – P. 518-522. 89. Dvornikov Y.A., Khomutov A.V., Mullanurov D.R., Ermokhina K.A., Gubarkov A.A., Leibman M.O. GIS and field data-based modelling of snow water equivalent in shrub tundra // Fennia. – 2015. - №193(1). – P. 53–65. 90. Dvornikov Yu., Bartsch A., Khomutov A., Heim B., Widhalm B., Fedorova I., Leibman M., Skorospekhova T. // Process of organic transport in lakes of the Yamal region (POLYAR) // Arctic Change 2014. 8-12 December. Ottawa, Canada. Oral Presentation Abstracts. – 2014. - P. 56. 91. Elder K., Michaelsen J., Dozier J. Small basin modelling of snow water equivalence using binary regression tree methods // Biogeochemistry of Seasonally Snow-Covered Areas, IAHS-AIHS and IUGG XXI General Assembly, Boulder, Colorado. July, 1995. International Association of Hydrological Sciences. Wallingford. P. 129–139. 92. Elith J., Leathwick J. R., Hastie T. A working guide to boosted regression trees // Journal of Animal Ecology. – 2008. - №77. – P. 802–813. doi:10.1111/j.1365-2656.2008.01390.

134 93. Engstrom D.R. Influence of vegetation and hydrology on the humus budgets of Labrador lakes // Can. J. Fish. Aquat. Sci. – 1987. - №44. – P. 1306-1314. 94. Essery R.L.H., Pomeroy J.W. Vegetation and topographic control of windblown snow distributions in distributed and aggregated simulations for an Arctic tundra basin // Journ. of Hydrometeorology. - 2004. - V.5. - P. 734– 744. 95. Evans B.M., Walker D.A., Benson C.S., Nordstrand E.A., Peterson G.W. Spatial interrelationships between terrain, snow distribution and vegetation patterns at arctic foothills site in Alaska // Holarctic Ecology. - 1989. V.12. - №3. - P. 270–278. 96. Fortier D., Allard M., Shur Y. Observation of rapid drainage system development by thermal erosion of ice wedges on Bylot Island, Canadian Arctic Archipelago // Permafrost and Periglacial Processes. – 2007. - №18. – P. 229-243. - DOI: 10.1002/ppp.595. 97. Freeman C., Fenner N., Ostle N.J., Kang H., Dowrick D.J., Reynolds B., Lock M.A., Sleep D., Hughes S., Hudson J. Export of dissolved organic carbon from peatlands under elevated carbon dioxide levels // Nature. – 2004. - №430. – P. 195–198. 98. Gjessing, E.T. Physical and chemical characteristics of aquatic humus // Ann Arbor Science Publishers. – 1976. – 120 p. 99. Golding D.L. The correlation of snowpack with topography and snowmelt runoff on Marmot Creek Basin, Alberta // Atmosphere. - 1974. - V.12. - P. 31–38. 100. Griffin C.G., Frey K. E., Rogan J., Holmes R. M. Spatial and interannual variability of dissolved organic matter in the Kolyma River, East Siberia, observed using satellite imagery // Journal of Geophysical Research. – 2011. - №16. - G03018. - doi:10.1029/2010JG001634.

135 101. Grosse G., Jones B., Arp C. Thermokarst lakes, drainage, and drained basins. In: Shroder, J. (Editor in Chief), Giardino, R., Harbor, J. (Eds.), Treatise on Geomorphology. Academic Press, San Diego, CA. – 2013. V.8. - Glacial and Periglacial Geomorphology. – P. 325–353. 102. Grosse G., Schirrmeister L., Siegert C., Kunitsky V.V., Slagoda E.A., Andreev A.A., Dereviagyn A.Y. Geological and geomorphological evolution of a sedimentary periglacial landscape in Northeast Siberia during the Late Quaternary // Geomorphology. – 2007. - №86. – P. 25-51. 103. Gunther F., Overduin P.P., Sandakov A.V., Grosse G., Grigoriev M.N. Short- and long-term thermo-erosion of ice-rich permafrost coasts in the Laptev Sea region // Biogeosciences. – 2013. - №10. – P. 4297–4318. - doi: 10.5194/bg-10-4297-2013. 104. Helms, J.R., Stubbins, A., Ritchie, J.D., Minor, E.C., Kieber, D.J. & Mopper, K. Absorption spectral slopes and slope ratios as indicators of molecular weight, source, and photobleaching of chromophoric dissolved organic matter // Limnol. Oceanogr. – 2008. - №53. – P. 955–969. 105. Hoque M.A., Pollard W.H. Arctic coastal retreat through block failure // Can. Geotech. J. – 2009. - №46. – P. 1103–1115. - doi:10.1139/T09-058. 106. International Permafrost Association Standing Committee on Data Information and Communication (comp.) (2003): Circumpolar ActiveLayer Permafrost System (CAPS). Boulder, Colorado USA: National Snow and Ice Data Center. - http://dx.doi.org/10.7265/N5SF2T3B. 107. IPCC, Climate Change 2007: The Physical Science Basis / Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. – Cambridge: Cambridge Univ. Press. - 2007. – 996 p. 108. ISO 7887: 2011. Water quality — Examination and determination of colour.

136 109. Jaffé R., McKnight D., Maie N., Cory R., McDowell W.H., Campbell J. L. Spatial and temporal variations in DOM composition in ecosystems: The importance of long-term monitoring of optical properties // J. Geophys. Res. 113. – 2008. - G04032. - doi:10.1029/2008JG000683. 110. Jerlov N.G. Optical oceanography.- Elsevier: Amsterdam. – 1968. – 194 p. 111. Jones B.M., Stoker J.M., Gibbs A.E., Grosse G., Romanovsky V.E., Douglas T.A., Kinsman N.E.M., Richmond B.M. Quantifying landscape change in an arctic coastal lowland using repeat airborne LiDAR // Environmental Research Letters. – 2013. - №8. - 045025. 112. Jorgenson T., Shur Y.L., Osterkamp T.E. Thermokarst in Alaska // In Proceedings of the Ninth International Conference on Permafrost. - V.1. June 29–July 3, 2008. - Fairbanks, Alaska, Kane, D.L., Hinkel, K.M. (eds). Institute of Northern Engineering, University of Alaska Fairbanks. – 2008. - P. 869–876. 113. Kaishan S., Li Lin, Tedesco L., Clercin N., Li Linhai, Shi K. Spectral characterization of colored dissolved organic matter for productive inland waters and its source analysis // Chinese Geographical Science. – 2015. №25(3). – P. 295-308. 114. Kalle K. Color of the sea // In: P.V. RAPPET (ed): Cons. Int. Explorat. Mer. – 1939. - №109. – P. 98-105. [In German]. 115. Kalle K. The problem of gelbstoff in the sea // Oceanogr. Mar. Biol. Annu. Rev. – 1966. - №4. – P. 91-104. 116. Khomutov A., Leibman M. Assessment of landslide hazards in a typical tundra of Central Yamal // W. Shan et al. (eds.), Landslides in Cold Regions in the Context of Climate Change, Environmental Science and Engineering, Springer International Publishing, Switzerland. – 2014. - P. 271-290. DOI: 10.1007/978-3-319-00867-7_11. 117. Kokelj S.V., Jenkins R.E.L., Milburn D., Burn C.R., Snow N. The influence of thawing permafrost on the water quality of small lakes across the forest-

137 tundra transition, Mackenzie Delta region, Northwest Territories, Canada. // Permafrost Periglac. Processes. – 2005. - №16. – P. 343–353. 118. Kokelj S.V., Lacelle D., Lantz T.C., Tunnicliffe J., Malone L., Clark I.D., Chin K.S. Thawing of massive ground ice in mega slumps drives increases in stream sediment and solute flux across a range of watershed scales // Journal of Geophysical Research: Earth Surface. – 2013. - №118. – P. 681692. 119. Kokelj S.V., Lewkowicz A.G. Salinization of perma- frost terrain due to natural geomorphic disturbance, Fosheim Peninsula, Ellesmere Island // Arctic. – 1999. - №52. – P. 372– 385. 120. Kokelj S.V., Zajdlik B., Thompson M.S. The impacts of thawing permafrost on the chemistry of lakes across the subarctic boreal-tundra transition, Mackenzie Delta region, Canada // Permafrost and Periglacial Processes. – 2009. - №20. – P. 185 –199. - DOI: 10.1002/ppp. 641. 121. Kriegler F.J., Malila W.A., Nalepka R.F., Richardson W. Preprocessing transformations and their effects on multispectral recognition // In Proc. of the 6th International Symposium on Remote Sensing of Environment. – 1969. – P. 97-131. 122. Kumpula T., Pajunen A., Kaarlejarvi E., Forbes B.C., Stammler F. Land use and land cover change in Arctic Russia: Ecological and social implications of industrial development // Global Environ. Change. – 2011. - doi: 10.1016/j.gloenvcha.2010.12.010. 123. Kutser T., Pierson D.C., Kallio K., Reinart A., Sobek S. Mapping lake CDOM by satellite remote sensing // Remote Sens. Environ. – 2005a. №94. – P. 535–540. - doi:10.1016/j.rse.2004.11.009. 124. Kutser T., Pierson D.C., Tanvik L., Reinart A., Sobek S., Kallio K. Using satellite remote sensing to estimate the colored dissolved organic matter absorption coefficient in lakes // Ecosystems. – 2005b. - №8. – P. 709–720. - doi:10.1007/s10021-003-0148-6.

138 125. Lafrenière M.J., Lamoureux S.F. Thermal perturbation and rainfall runoff have greater impact on seasonal solute loads than physical disturbance of the active layer // Permafrost and Periglacial Processes. – 2013. - №24. – P. 241-251. 126. Lantuit H., Atkinson D., Overduin P.P., Grigoriev M., Rachold V., Grosse G., Hubberten H.-W. Coastal erosion dynamics on the permafrostdominated Bykovsky Peninsula, north Siberia, 1951-2006 // Polar Research. – 2011. - №30. - P. 7341. - DOI: 10.3402/polar.v30i0.7341. 127. Lantz T.C., Turner K.W. Changes in lake area in response to thermokarst processes and climate in Old Crow Flats, Yukon // Journal of Geophysical Research: Biogeosciences. – 2015. - DOI:10.1002/2014JG002744. 128. Laurion I., Vincent W.F., Lean D.R.S. Underwater ultraviolet radiation: development of spectral models for northern high latitude lakes // Photochem. Photobiol. – 1997. - №65. – P. 107–114. 129. Lehner B., Döll P. Development and validation of a global database of lakes, reservoirs and wetlands // Journal of Hydrology. – 2004. №296. – P. 1–22. 130. Leibman M., Khomutov A., Kizyakov A. Cryogenic landslides in the WestSiberian plain of Russia: classification, mechanisms, and landforms // W. Shan et al. (eds.), Landslides in Cold Regions in the Context of Climate Change, Environmental Science and Engineering. - Springer International Publishing, Switzerland. – 2014. - P. 143-162. - DOI: 10.1007/978-3-31900867-7_11. 131. Leibman M.O. Cryogenic landslides on the Yamal Peninsula, Russia: preliminary observations // Permafrost and Periglacial Processes. – 1995. №6. - P. 259-264. 132. Leibman M.O. Results of chemical testing for various types of water and ice, Yamal Peninsula, Russia // Permafrost and Periglacial Processes. – 1996. - №7. – P. 287-296.

139 133. Leibman M.O., Khomutov A.V., Gubarkov A.A., Mullanurov D.R., Dvornikov Yu.A. The research station “Vaskiny Dachi”, Central Yamal, West Siberia, Russia – A review of 25 years of permafrost studies // Fennia. – 2015. - №193(1). - P. 3–30. 134. Leibman M.O., Khomutov A.V., Mullanurov D.R., Dvornikov Yu.A. New massive ground ice exposures due to activation of earth flows on slopes in Central Yamal during extremely warm summers of 2012-2013 // Int. Conf. “Earth Cryology: XXI Century (September 29 – October 3, 2013, Pushchino, Moscow region, Russia). Pushchino. – 2013. - P. 94–95. 135. Leibman M.O., Khomutov A.V., Orekhov P.T., Khitun O.V., Epstein H., Frost G., Walker D.A. Gradient of seasonal thaw depth along the Yamal transect // In: D. DROZDOV & V. ROMANOVSKY (eds): Proceedings of the 10th international conference on permafrost 2. Translations of Russian Contributions. – Salekhard: The Northern Publisher. – 2012. - P. 237–242. 136. Leibman M.O., Streletskaya I.D. Land-slide induced changes in the chemical composition of active-layer soils and surface-water runoff, Yamal Peninsula, Rus- sia. In Proceedings of the International symposium on physics, chemistry and ecology of seasonally frozen soils, Fairbanks, Alaska, June 10–12, 1997. CRREL Special Report 97–10, CRREL, Hanover, New Hamp- shire. – 1997. – P. 120–126. 137. Litaor M.I., Williams M., Seastedt T. R. Topographic controls on snow distribution, soil moisture, and species diversity of herbaceous alpine vegetation, Niwot Ridge, Colorado // Journ. of Geophys. Research. - 2008. - V.113. - G2. - Online publication date: 1–Jan–2008. 138. Mackay J.R. The Mackenzie Delta Area, N.W.T. Geographical Branch, Mines and Technical Surveys, Ottawa. - Memoir 8. – 1963. 139. Manasypov R.M., Vorobyev S.N., Loiko S.V., Krivtzov I.V., Shirokova L.S., Shevchenko V.P., Kirpotin S.N., Kulizhsky S.P., Kolesnichenko L.G., Zemtsov V.A., Sinkinov V.V., Pokrovsky O.S. Seasonal dynamics of

140 thermokarst lake chemical composition in discontinuous permafrost zone of Western Siberia // Biogeosciences. – 2015. - №12. – P. 3009–3028. 140. Marchand W.D., Killingtveit A. Analyses of the relation between spatial snow distribution and Terrain Chacarcteristics // Proceedings of the 58th Eastern Snow Conference. Ottawa. Canada. - 2001. - P. 71–84. 141. McFadden J., Liston G., Sturm M., Pielke R., Chapin F. Interactions of shrubs and snow in arctic tundra; measurements and models // Sixth scientific assembly of the International Association of Hydrological Sciences, Maastricht, Netherlands, July 18-27, 2001 / Edited by A.J. Dolman, A.J. Hall, M.L. Kavvas, T. Oki and J.W. Pomeroy. IAHS-AISH Publication. - V.270. - P. 317–325. 142. Minkin M.A., Melnikov E.S., Leibman M.O. Russian national geocryological database and a strategy for its development // In: R. PAERE & V. MELNIKOV (eds.) Permafrost response on economic development, environmental security and natural resources. Kluwer Academic Publishers, Netherlands. – 2001. 143. Molotch N.P., Bales R.C., Colee M.T., Dozier J. Estimating the spatial distribution of snow water equivalent in an alpine basin using binary regression tree models: the impact of digital elevation data and independent variable selection // Hydrological Processes. - 2005. - doi:10.1002/hyp.5586. 144. Morgenstern A., Grosse G., Günther F., Fedorova I., Schirrmeister L. Spatial analyses of thermokarst lakes and basins in Yedoma landscapes of the Lena Delta // The Cryosphere Discuss. – 2011. - №5. – P. 1495-1545. - doi:10.5194/tcd-5-1495-2011. 145. Morgenstern A., Grosse G., Schirrmeister L. Genetic, morphological, and statistical characterization of lakes in the permafrost-dominated Lena Delta // In: Proceedings of the 9th International Conference on Permafrost, Fairbanks, Alaska, 29 June–3 July 2008, edited by: Kane, D. L. and Hinkel,

141 K. M., Institute of Northern Engineering, University of Alaska Fairbanks. – 2008. – P. 1239–1244. 146. Morgenstern A., Ulrich M., Gunther F., Roessler S., Fedorova I.V., Rudaya N.A., Wetterich S., Boike J., Schirrmeister L. Evolution of thermokarst in East Siberian ice-rich permafrost: A case study // Geomorphology. – 2013. - №201. – P. 363–379. 147. Pienitz R., Smol J. Diatom assemblages and their relationship to environmental variables in lakes from the boreal forest-tundra ecotone near Yellowknife, Northwest Territories, Canada // Hydrobiologia. – 1993. №269/270. – P. 391–404. 148. Pomeroy J.W., Gray D.M. Snow Accumulation, Relocation and Management. National Hydrology Research Institute Science Report, Environment Canada: Saskatoon. - 1995. - 144 p. 149. Purves R.S., Barton J.S., Mackaness W.A., Sugden D.E. The development of a rule based spatial model of wind transport and deposition of snow // Annals of Glaciology. - 1998. - V.26. - P. 196–202. 150. Richter R. A spatially adaptive fast atmospheric correction algorithm // International Journal of Remote Sensing. – 1994. - №17(6). – P. 1201– 1214. - http://dx.doi.org/10.1080/01431169608949077. 151. Romanovskii N.N., Leibman M.O. Russian Contribution to the Global Geocryological Database. Glaciological Data, Report, GD-28, WDC-A for Glaciology, Boulder, Colorado. – 1994. – P. 24–27. 152. Romanovsky V., Smith S., Christiansen H. Permafrost thermal state in the polar Northern Hemisphere during the International Polar Year 2007–2009: a synthesis // Permafrost & Periglacial Processes. – 2010. №21. – P. 106–116. 153. Schindler D.W., Curtis P.J., Parker B.R., Stainton M.P. Consequence of climate warming and lake acidification for UV-B penetration in North American boreal lakes // Nature. – 1996. - №379. – P. 705-708.

142 154. Schuur E.A.G., Bockheim J., Canadell J.G., Euskirchen E., Field C.B. et al. Vulnerability of permafrost carbon to climate change: implications for the global carbon cycle // BioScience. – 2008. - №58. – P. 701–714. - doi: 10.1641/b580807. 155. Sexstone G.A., Fassnacht S.R. What drives basin scale spatial variability of snowpack properties in northern Colorado? // The Cryosphere. - 2014. V.8. - P. 329–344. - doi:10.5194/tc-8-329-2014. 156. Smith L.C., Sheng Y., MacDonald G.M. A first pan-arctic assessment of the influence of glaciation, permafrost, topography and peatlands on Northern Hemisphere lake distribution // Permafrost Periglac. Process. – 2007. - №18. – P. 201-208. 157. Strauss J., Schirrmeister L., Grosse G., Wetterich S., Ulrich M., Herzschuh U., Hubberten H.-W. The deep permafrost carbon pool of the Yedoma region in Siberia and Alaska // Geophys. Res. Lett. – 2013. - №40. – P. 6165–6170. - doi:10.1002/2013GL058088. 158. Streletskaya I.D., Leibman M.O. Cryogeochemical model of tabular ground ice and cryopegs formation at central Yamal, Russia // In Proceedings of the Eighth International Conference on Permafrost, 2. Phillips M, Springman SM, Arenson LU (eds.). - Balkema: Lisse. – 2003. – P. 1111–1115. 159. Streletskiy D. A., Shiklomanov N. I., Nelson F. E. Spatial variability of permafrost active-layer thickness under contemporary and projected climate in northern Alaska // Polar Geography. – 2012. -№35(2). – P. 95116. - http://dx.doi.org/10.1080/1088937X.2012.680204. 160. Sturm M., Holmgren J., McFadden J. P., Liston G. E., Chapin F. S., Racine C. Snow - shrub interactions in arctic tundra: A hypothesis with climatic implications // Journal of Climate. - 2001. - V.14. - P. 336–344. 161. Thompson M.S., Kokelj S.V., Wrona F.J., Prowse T.D. The impact of sediments derived from thawing permafrost on tundra lake water

143 chemistry: An experimental approach // In Proceedings of the Ninth International Conference on Permafrost, Kane DL, Hinkel KM (eds). Fairbanks Al aska. Institute of Northern Engineering, University of Alaska Fairbanks. – 2008. -V2. – P. 1763–1768. 162. Tranvik L.J. Bacterioplankton growth on fractions of dissolved organic carbon of different molecular weights from humic and clear waters // Applied and Environmental Microbiology. – 1990. - №56. – P. 1672– 1677. 163. Trofaier A.M., Bartsch A., Rees G., Leibman M. Assessment of spring floods and surface water extent over the Yamalo-Nenets Autonomous District // Environ. Res. Lett. – 2013. - №8. – 045026. - doi:10.1088/17489326/8/4/045026. 164. Twardowski M.S., Boss E., Sullivan J.M., Donaghay P.L. Modeling spectral absorption by chromophoric dissolved organic matter (CDOM) // Mar. Chem. – 2004. - №89. – P. 69-88. - doi:10.1016/j.marchem.2004.02.008. 165. Twardowski M.S., Donaghay P.L. Separating in situ and terrigenous sources of absorption by dissolved material in coastal waters // Journal of Geophys. Res. – 2001. - №106. – P. 2545-2560. 166. Twardowski M.S., Lewis M.R., Barnard A.H., Zaneveld J.R.V. In-water instrumentation and platforms for ocean color remote sensing applications.In: R.L. MILLER et al (eds): Remote Sensing of Coastal Aquatic Environments. Springer: Dordrecht, Netherlands. – 2005. – P. 69–100. doi:10.1007/978-1-4020-3100-7_4. 167. Ukraintseva N.G., Leibman M.O., Streletskaya I.D., Mikhaylova T. Geochemistry of plant-soil-permafrost system on landslide-affected slopes, Yamal, Russia as an indicator of landslide age // W. SHAN et al (eds.): Landslides in Cold Regions in the Context of Climate Change, Environmental Science and Engineering. Springer International

144 Publishing: Switzerland. – 2014. – P. 107-132. - doi:10.1007/978-3-31900867-7_11. 168. Vincent R.K. An ERTS Multispectral Scanner experiment for mapping iron compounds // Proc. 8th International Symposium on Remote Sensing of Environment. Ann Arbor, Michigan. – 1972. – P. 1239-1247. 169. Vincent W.F., Laurion I., Pienitz R. Arctic and Antarctic lakes as optical indicators of global change // Ann. Glaciol. – 1998. - №27. – P. 691– 696. 170. Vincent W.F., Pienitz R. Sensitivity of high latitude freshwater ecosystems to global change: temperature and solar ultraviolet radiation // Geosci. Can. – 1996. - №23. – P. 231–236. 171. Vonk J.E., Mann P.J., Davydov S., Davydova A., Robert G.M.S., Schade J., Sobczak W.V., Zimov N., Zimov S., Bulygina E., Eglinton T.I., Holmes R.M. High biolability of ancient permafrost carbon upon thaw // Geophys. Res. Lett. – 2013. - №40. – P. 2689–2693. - doi:10.1002/grl.50348. 172. Walker D.A., Buchhorn M., Kanevskiy M., Matyshak G.V., Raynolds M.K., Shur Y.L., Wirth L.M. Infrastructure-Thermokarst-Soil-Vegetation Interactions at Lake Colleen Site A, Prudhoe Bay, Alaska. Alaska Geobotany Center Publication, University of Alaska Fairbanks, Fairbanks, Alaska, AGC 15-01. – 2015. - 92pp. 173. Washburn A.L. Geocryology: A Survey of Periglacial Processes and Environments. London: E. Arnold. – 1979. - 406 p. 174. Wetzel R.G. Limnology: Lake and River Ecosystems. Academic Press. – 2001. – P. 731-759. 175. Winstral A., Elder K., Davis R. E. Spatial Snow Modeling of WindRedistributed Snow Using Terrain-Based Parameters // Journ. of Hydrometeorology. - 2002. - V.3. - №5. - P. 524–538. 176. Woo M., Heron R., Marsh P., Steer P. Comparison of weather station snowfall with winter snow accumulation in high Arctic basins // Atmosphere – Ocean. - 1983. - V.21. - P. 312–325.

145 177. Zakharova E.A., Kouraev A.V., Biancamaria S., Kolmakova M.V., Mognard N., Zemtsov V.A., Kirpotin S.N., Decharme B. Snow cover and spring flood flow in the northern part of Western Siberia (the Poluy, Nadym, Pur and Taz Rivers) // J. Hydrometeorol. – 2011. - №12. – P. 1498– 1511. 178. Zaneveld J.R.V. Penetration of ultraviolet radiation into natural waters // In: Impacts of Climatic Change on the Biosphere. Dept. of Transportation Climatic Assessment Program, Monogr. – 1975. - №5. – P. 2-108–2-166. 179. Zeverbergen L.W., Thorne C.R. Quantitative Analysis of Land Surface Topography // Earth Surface Processes and Landforms. - 1987. - V.12. - P. 47–56. 180. Zhang T., Osterkamp T.E., Stamnes K. Effects of climate on the active layer and permafrost on the North Slope of Alaska, U.S.A // Permafrost and Periglacial Processes. – 1997. - №8(1). – P. 45-67. 181. Zhang Y. Highlight Article: Understanding Image Fusion // Photogrammetric Engineering & Remote Sensing. – 2004. - №70(6). – P. 657-661.

146 СПИСОК РАБОТ, ОПУБЛИКОВАННЫХ АВТОРОМ ПО ТЕМЕ ДИССЕРТАЦИИ Статьи в рецензируемых журналах: 1. Дворников Ю.А., Хомутов А.В., Муллануров Д.Р., Ермохина К.А. Моделирование распределения водного эквивалента снежного покрова в тундре с использованием ГИС и данных полевой снегомерной съёмки // Лёд и Снег. – 2015. – Т.55. - №2. – С. 69-80. DOI:10.15356/2076-6734-2015-2-69-80. 2. Чимитдоржиев Т.Н., Быков М.Е., Лейбман М.О., Дагуров П.Н., Кирбижекова И.И., Дворников Ю.А., Бердников Н.М. Исследование микродеформаций и оползневых процессов северных территорий Западной Сибири на основе интерферометрических данных // Вестник СибГАУ. - 2013. - Вып. 5(51). - С. 65-68. 3. Dvornikov Y.A., Khomutov A.V., Mullanurov D.R., Ermokhina K.A., Gubarkov A.A., Leibman M.O. GIS and field data-based modelling of snow water equivalent in shrub tundra // Fennia. – 2015. - №193(1). – P. 53–65. 4. Leibman M.O., Khomutov A.V., Gubarkov A.A., Mullanurov D.R., Dvornikov Yu.A. The research station “Vaskiny Dachi”, Central Yamal, West Siberia, Russia – A review of 25 years of permafrost studies // Fennia. – 2015. - №193(1). - P. 3–30. Тезисы конференций: 5. Дворников Ю., Скороспехова Т., Лейбман М., Хайм Б., Бартч А, Федорова И, Хомутов А, Видхельм Б, Михайлова М, Шадрина А, Муллануров Д. Транспорт органического вещества в системах "водосборный бассейн - термокарстовое озеро" полуострова Ямал //

147 Материалы IV Всероссийского научного молодежного форума геокриологов, посвященного 200-летию со дня рождения акад. А.Ф. Миддендорфа, (29 июня - 1 июля 2015 г., г. Якутск. Россия). Инт мерзлотоведения им. П.И. Мельникова СО РАН. - 2015. 6. Дворников Ю.А., Лейбман М.О. Оценка поступления органического вещества в термокарстовые озера Ямала с использованием дистанционных и наземных наблюдений // Геокриологическое картографирование: Проблемы и перспективы: Программа конференции. Тезисы конференции. Москва, 5-6 июня 2013 г. - М.: РУДН. - C. 38-40. 7. Дворников Ю.А., Лейбман М.О., Хомутов А.В., Хайм Б., Рёсслер С Термокарстовые озера Ямала, как индикатор климатических изменений // Межд. конф. "Криология Земли: XXI век" (29 сентября3 октября 2013, Пущино, Моск.обл.). Пущино, 2013, С. 132-133. 8. Дворников Ю.А., Хомутов А.В., Муллануров Д.Р. Анализ распределения снежного покрова в тундре с использованием математико-статистической обработки полевых измерений // Тезисы конференции « Современные и прогнозируемые изменения природных условий в высоких широтах», (Сочи, 7-9 октября 2013). – С. 35. http://polar2013.ru/index/tezisy/0-14. 9. Хомутов А.В., Дворников Ю.А., Лейбман М.О., Губарьков А.А., Муллануров Д.Р. Активизация термоденудационных процессов на Центральном Ямале под действием климатических изменений и техногенеза // Современные проблемы гидрогеологии, инженерной геологии и гидрогеоэкологии Евразии. Матер. Всеросс. конф. с межд. участием c элементами научной школы. Томск, 23-27 ноября 2015. Томск, Национальный исследовательский Томский политехнический университет. – 2015. - С. 381–384.

148 10. Хомутов А.В., Дворников Ю.А., Муллануров Д.Р., Лейбман М.О. Распределение снега на Центральном Ямале в связи с климатическими и геоморфологическими особенностями района // Тезисы конференции « Современные и прогнозируемые изменения природных условий в высоких широтах», (Сочи, 7-9 октября 2013). С. 40–41. http://polar2013.ru/index/tezisy/0-14. 11. Chimitdorzhiev T.N., Kirbizhekova I.I., Leibman M.O., Bikov M.E., Dvornikov Y.A. Assessment of the intensity of the cryogenic process Yamal peninsula of radar data images // Proceeding of the 6th International Workshop on Remote Sensing and Environmental Innovations in Mongolia. Ulaanbaatar. - 2013. - P. 82-85. 12. Dvornikov Y., Leibman M., Heim B., Bartsch A., Hubberten H.-W. Combining optical and radar remote sensing data for the study of organic transport in "thermokarst lake - catchment" systems of Russian Arctic // Proceedings of Arctic Science Summit Week 2015, 26-30 April 2015, Toyama, Japan. 13. Dvornikov Y., Leibman M., Heim B., Bartsch A., Hubberten H.-W. Combining optical and radar remote sensing data for the study of organic transport in "thermokarst lake - catchment" systems of Russian Arctic // Proceedings of 36 International Symposium Remote Sensing of Environment, 11-16 May 2015, Berlin, Germany. 14. Dvornikov Y., Leibman M., Heim B., Bartsch A., Widhalm B., Trofaier AM., Morgenstern A. POLYAR – Process of Organic transport to the Lakes of the Yamal Region // Our Climate – Our Future. Regional perspectives on a global challenge. International REKLIM Conference. Programme and Abstracts. Berlin, 6 October 2014 - 9 October 2014. - P.65. 15. Dvornikov Yu. A., Buchhorn M., Frost G., Gerasimov A.G., Ermokhina K.A., Heim B., Khomutov A.V., Leibman M.O., Walker D.A. Application of the remote-sensing data to permafrost mapping: a case study in Central

149 Yamal // Polar regions in transformation; climatic change and anthropogenic pressures. Abstract of The 12th International Circumpolar Remote Sensing Symposium, Levi, Kittilä, Finland 14 – 18 May 2012. - P. 77–78. (http://alaska.usgs.gov/science/geography/CRSS2012/abstracts2012.pdf) 16. Dvornikov Yu., Khomutov A., Leibman M., Mullanurov D. DEM-based analysis of snow cover distribution in tundra zone (Yamal, Russia) // Book of Abstract of EUCOP4 - 4th European Conference on Permafrost, 18-21 June 2014 - Évora, Portugal. Eds.: G. Vieira, P. Pina, C. Mora, A. Correia. University of Lisbon and University of Évora, 2014. - P. 382. 17. Dvornikov Yu.A, Heim B., Leibman M.O., Khomutov A. Assessment of dissolved organic matter transport to thermokarst lakes of Yamal peninsula, DUE Permafrost 2014 workshop, Frascati, Italy, 11 February 2014 - 13 February 2014. 18. Dvornikov Yu.A., Leibman M.O., Khomutov A.V., Heim B., Roessler S. Assessment of organic matter transport into thermokarst lakes of Yamal Peninsula // Int. Conf. “Earth Cryology: XXI Century (September 29 – October 3, 2013, Pushchino, Moscow region, Russia). Pushchino. – 2013. - P. 62. 19. Dvornikov, Yu., A. Bartsch, A. Khomutov, B.Heim, B. Widhalm, I. Fedorova, M. Leibman and T. Skorospekhova. Process of organic transport in lakes of the Yamal region (POLYAR) // Arctic Change 2014. 8-12 December. Ottawa, Canada. Oral Presentation Abstracts. – 2014. - P.56. 20. Fedorova I., Skorospekhova T., Shumskaya N., Onoshko V., Heim B., Rößler S., Chetverova A., Eulenburg A., Dvornikov Y. Current state and vulnerability of Yamal hydroecological systems (West Siberia, Russia), Arctic Science Summit Week 2013-abstract, Krakow, Poland, 13 April 2013 - 19 April 2013, Ref.#: T_3055. http://www.assw2013.us.edu.pl/.

150 21. Heim B., A. Eulenburg, A. Morgenstern, J. Boike, A. Bartsch, Y. Dvornikov, M. Leibman, I. Fedorova, A. Chetverova, T. Skorospekhova, B. Widhalm. How do lake systems determine lateral fluxes of carbon in tundra permafrost landscapes? // Arctic Change 2014. 8-12 December. Ottawa, Canada. Poster Abstracts. – 2014. - P. 72-73. 22. Heim B., Buchhorn M., Bartsch A., Dvornikov Yu., Epstein H., Ermokhina K., Khomutov A., Leibman M., Walker D. Optical spectral remote-sensing applications: a case study in Central Yamal, Vaskiny Dachi // Int. Conf. “Earth Cryology: XXI Century (September 29 – October 3, 2013, Pushchino, Moscow region, Russia). Pushchino. – 2013. - P. 70–71. 23. Heim B., Buchhorn M., Bartsch A., Dvornikov Yu.A., Epstein H., Ermokhina K.A., Khomutov A.V., Leibman M.O., Walker D.A. Hyperspectral Arctic VEGetation Indices. // Polar regions in transformation; climatic change and anthropogenic pressures. Abstract of The 12th International Circumpolar Remote Sensing Symposium, Levi, Kittilä, Finland 14 – 18 May 2012. - P. 30–31. (http://alaska.usgs.gov/science/geography/CRSS2012/abstracts2012.pdf) 24. Khomutov A., Leibman M., Bartsch A., Dvornikov Yu., Ermokhina K., Mullanurov D. // Ground-based active layer monitoring as a benchmark and verifier of remote active layer depth mapping, Central Yamal, Russia // Book of Abstract of EUCOP4 - 4th European Conference on Permafrost, 18-21 June 2014 - Évora, Portugal. Eds.: G. Vieira, P. Pina, C. Mora, A. Correia. University of Lisbon and University of Évora, 2014. - P. 436. 25. Leibman M., Bartsch A., Dvornikov Yu., Heim B., Ermokhina K., Khomutov A., Kumpula T., Mullanurov D., Trofaier A.M., Widhalm B. Remote-sensing data application for permafrost monitoring on Yamal, Russia // Book of Abstract of EUCOP4 - 4th European Conference on Permafrost, 18-21 June 2014 - Évora, Portugal. Eds.: G. Vieira, P. Pina, C.

151 Mora, A. Correia. University of Lisbon and University of Évora. – 2014. P. 374.

152 ПРИЛОЖЕНИЯ Приложение 2.1 Результаты лабораторных измерений геохимических параметров на стационаре «Васькины Дачи» Пареметр Год LK-001 LK-002 LK-003 LK-004 LK-005 LK-006 LK-007 LK-008 LK-009 LK-010 LK-011 LK-012 LK-013 LK-014 LK-015 LK-016 LK-017 LK-018 LK-019 LK-020 аОРОВ (440), м-1 2011 0,495 2,374 0,459 2012 1,043 0,851 2,287 1,875 0,614 0,580 0,737 1,282 4,131 1,249 1,946 1,410 2013 0,994 2014 0,818 7,176 0,893 S(350-500), нм-1 2015 0,64 2012 0,01525 0,766 2011 0,01746 0,01715 0,01916 1,189 0,735 0,01665 0,01577 2,531 0,854 0,580 3,886 1,711 2,272 0,01854 0,01811 0,01787 0,01830 0,01841 0,01788 2,253 2,359 1,351 3,820 7,016 5,537 2,300 5,015 2,588 0,01908 0,01737 6,338 4,179 4,640 5,458 7,651 1,722 4,940 3,049 1,797 4,808 6,330 1,095 1,989 2,535 1,865 7,849 0,753 2014 0,01654 0,01654 0,01802 0,909 2,085 1,075 5,265 2013 0,01555 ВВ, мг/л 2015 0,01676 2014 12,6 10,6 РОУ, мг/л 2015 6,0 2015 3,652 4,4 4,847 14,1 1,6 3,542 6,261 4,06 3,788 0,01714 0,01760 0,01648 0,01658 0,01449 0,01817 0,01659 0,01407 0,01750 0,01714 0,01858 0,9 26,0 0,1 3,3 31,5 0,01814 0,01721 0,01752 0,5 10,0 7,28 0,01734 0,01593 0,01805 0,01533 0,01830 0,01454 0,01685 0,01458 0,01692 0,01525 0,01467 0,01458 0,01650 8,4 63,6 0,6 37,8 8,6 16,4 45,0 69,0 3,1 6,869 4,202 3,852 4,304 5,559 4,6 5,097 6,493 4,962 0,01705 0,01700 0,01604 0,01134 0,01571 0,01678 0,01508 0,01355 0,01617 0,01321 0,01436 0,01333 0,01566 40,0 62,8 42,2 65,8 11,0

153 LK-021 LK-022 LK-023 LK-024 LK-025 LK-026 LK-027 LK-028 LK-029 LK-030 LK-031 LK-032 LK-033 LK-034 LK-035 LK-036 Ср. знач. 1,956 0,432 2,270 0,01410 0,846 0,736 0,01769 2,386 0,713 0,996 1,080 1,6 1,106 8,000 8,000 0,01355 0,01525 0,01833 0,01382 0,01753 0,01668 0,01594 0,01687 0,01697 0,01174 0,01321 4,355 4,871 1,148 3,593 1,886 1,524 0,582 3,324 2,680 7,1 15,4 21,7 4,0 12,0 7,8 2,4 1,4 3,594 3,498 3,455 5,095 3,886 168,8 188,3 3,744 22,3 30,9 4,262 4,095 24,11 4,62 0,01481 0,01410 0,018 0,017 0,016 0,01683 0,01708 0,016 16,2 0,016 32,23

154 Приложение 2.2 Список используемых снимков для различных задач Сенсор/ [каналов] GeoEye-1/ [4] Оптические данные - Type* Дата 2009-08-15 Ресурс ** NASA NGA License UAF Разреш Коррекция ение, м *** 0.5 OR (GCPs, DEM), AC (DOS) RMS, m 0,46 PS MS 2013-07-05 DGF 2 OR (GCPs, DEM), ATCOR AC OR (GCPs, DEM) 0,55 OR (GCPs, DEM) ATCOR AC OR (GCPs, DEM) 0,6 2 OR (GCPs, DEM) ATCOR AC 0,36 Концентрация CDOM в озерах (Kutser et al. 2005a) 0,5 OR (GCPs, DEM) 0,52 AC, OR Визуальный анализ, оцифровка обрывов береговой зоны озер Расчет индексов NDVI и CHL PS QuickBird/ [4] MS 0.5 2010-07-30 - PS WorldView-2/ [8] MS 0,6 2013-07-21 - PS ЦМР Радарные данные SPOT-5/[4] 0,57 Концентрация CDOM в озерах (Kutser et al. 2005a), векторизация кустарников Концентрация CDOM в озерах (Kutser et al. 2005a) Визуальный анализ, оцифровка обрывов береговой зоны озер Концентрация CDOM в озерах (Kutser et al. 2005a) Векторизация кустарников 2015-08-08 - 10 DLR PI agreement LAN1706 - 2,5 - Извлечение озер, оценка сезонных различий площади озер - - 2 - ALOS Palsar/[1] 2008-07-11, 2008-09-15 2010-07-29, 2010-08-31 2014-07-04, 2014-08-10 2008-08-14 2008-09-29 JAXA PI agreement 90 and 1200 16 TanDEM-X 2013-06-19 DLR PI agreement LAN1706 12 Автоматизированное дешифрирование кустарниковой растительности Выделение бассейнов, анализ рельефа TerraSAR-X/ [1] - MS 2,4 0,37 Задачи использования Выравнивание, заполнение

155 Приложение 2.2 (продолжение) *использованы различные типы данных (MS – мультиспектральные, PS – с улучшенным разрешением (модель PANSHARP, Zhang 2004); **DGF – Digital Globe Foundation, COLD Yamal – совместный российско-австрийский проект; ***ортотрансформирование (OR) применено ко всем оптическим снимкам с использованием опорных точек (GCPs) полученных в полевых условиях (dGPS Trimble 5700) и 12-метровой ЦМР TanDEM-X; атмосферная коррекция (AC) применена для всех MS снимков с использованием алгоритма ATCOR (Richter 1994) и снимка GeoEye-1 2009 (PS) с использованием алгоритма “dark object subtraction” (DOS)(Chaves 1996).

156 Приложение 2.3 Концентрация окрашенного растворенного органического вещества в озерах (2009 г).

157 Приложение 2.4 Концентрация окрашенного растворенного органического вещества в озерах (2013 г).

158 Приложение 2.5. Результаты определения концентраций ОРОВ в озерах за 2009 и 2013 гг с использованием снимков сверхвысокого пространственного разрешения и полученные параметры озер и водосборных бассейнов Индекс озера LK-001 LK-002 LK-003 LK-004 LK-005 LK-006 LK-007 LK-008 LK-009 LK-010 LK-011 LK-012 LK-013 LK-014 LK-015 LK-016 LK-017 LK-018 LK-019 LK-020 LK-021 LK-022 LK-023 LK-024 LK-025 LK-026 LK-027 LK-028 LK-029 LK-030 LK-031 LK-032 LK-033 LK-034 LK-035 LK-036 LK-037 LK-038 LK-039 LK-040 CDOM _13 0,500 3,939 1,686 1,825 1,408 1,796 1,494 1,588 2,613 3,704 2,703 4,693 2,771 1,069 3,060 2,755 5,087 5,322 5,697 2,454 2,010 2,819 3,985 1,014 1,127 0,764 2,664 2,885 1,496 1,848 5,982 2,453 4,769 8,382 2,098 0,623 2,004 2,434 3,494 2,237 CDOM I OU LA_ PO LK_ TC_ DA_ _09 LK_PER LK_AR N T CA S WL LD DA LA 0,466 2560,63 37,16 1 0 0,89 1 6,5 0 0,00 0,00 2,453 755,74 3,03 0 0 0,11 1 25,8 0 0,00 0,00 0,686 5287,58 118,61 0 1 0,30 1 6,0 0 0,00 0,00 0,538 4027,74 73,64 0 0 0,49 1 9,1 0 0,00 0,00 NoData 8200,30 136,04 0 1 1,08 0 -4,2 0 0,00 0,00 1,949 735,58 3,28 0 1 0,07 1 13,1 0 0,00 0,00 0,664 2565,98 38,18 0 1 0,31 1 7,9 0 0,00 0,00 0,709 3322,34 41,20 0 0 0,50 1 3,6 0 0,00 0,00 0,814 2081,19 19,69 0 1 0,30 1 12,8 0 0,00 0,00 1,233 981,35 4,25 1 1 0,01 1 -2,1 0 0,00 0,00 NoData 3927,11 77,84 0 1 1,07 0 -5,9 0 0,00 0,00 1,687 626,43 2,10 1 1 0,02 1 13,9 0 0,00 0,00 1,213 6977,99 212,46 1 1 0,84 0 -8,5 0 0,00 0,00 0,579 1191,23 6,62 0 1 0,46 1 5,7 0 0,00 0,00 1,277 1293,88 9,92 0 0 0,25 1 4,7 1 0,28 0,03 1,528 1840,04 10,77 0 1 0,16 1 4,4 0 0,00 0,00 NoData 1247,92 6,97 0 0 0,36 1 5,6 1 0,28 0,04 NoData 1642,83 12,85 0 0 0,35 1 -1,9 1 0,31 0,02 NoData 1785,22 15,16 1 0 0,05 1 -1,8 1 0,80 0,05 NoData 3986,94 23,29 0 0 0,49 0 -2,1 0 0,00 0,00 NoData 1387,47 7,33 0 0 0,44 0 -2,3 0 0,00 0,00 NoData 1641,19 12,95 1 0 0,26 0 -3,3 0 0,00 0,00 NoData 2600,37 17,65 0 1 0,14 0 -6,1 0 0,00 0,00 NoData 11717,88 336,29 0 0 1,49 0 -6,0 0 0,00 0,00 0,531 1897,05 19,94 0 0 0,20 1 0,5 0 0,00 0,00 0,562 2523,13 33,06 0 0 1,69 1 0,5 0 0,00 0,00 0,528 5608,65 131,22 0 0 1,29 1 2,0 1 0,87 0,01 NoData 2346,40 19,89 0 0 0,23 1 2,7 0 0,00 0,00 NoData 3535,29 33,06 0 0 0,50 1 0,6 0 0,00 0,00 NoData 1803,99 18,34 1 1 0,05 1 -2,4 0 0,00 0,00 NoData 3782,97 59,20 0 0 0,43 1 0,6 1 3,12 0,05 NoData 4446,27 103,13 0 0 1,34 1 6,5 1 2,05 0,02 1,139 5224,93 56,65 1 1 0,29 0 -8,2 0 0,00 0,00 NoData 11891,57 346,60 0 1 0,80 0 -8,9 0 0,00 0,00 NoData 6687,63 65,19 1 1 0,59 0 -5,5 0 0,00 0,00 NoData 5328,96 55,91 0 0 0,71 0 -5,6 0 0,00 0,00 NoData 528,77 2,03 0 0 0,11 1 10,1 0 0,00 0,00 NoData 1023,90 4,09 0 0 0,07 1 8,4 0 0,00 0,00 NoData 675,08 2,69 0 0 0,64 1 13,2 0 0,00 0,00 NoData 1454,43 7,20 0 0 0,34 1 11,9 1 0,28 0,04

LK-041 LK-042 LK-043 LK-044 LK-045 LK-046 LK-047 LK-048 LK-049 LK-050 LK-051 LK-052 LK-053 LK-054 LK-055 LK-056 LK-057 LK-058 LK-059 LK-060 LK-061 LK-062 LK-063 LK-064 LK-065 LK-066 LK-067 LK-068 LK-069 LK-070 LK-071 LK-072 LK-073 LK-074 LK-075 LK-076 LK-077 LK-078 LK-079 LK-080 LK-083 LK-084 LK-085 LK-086 LK-089 LK-090 LK-091 LK-093 2,861 2,038 2,590 1,834 4,782 1,649 1,786 2,426 2,356 8,950 2,074 2,514 1,790 1,872 2,315 2,060 1,753 1,375 3,852 2,478 1,937 4,176 5,945 2,803 2,656 2,683 1,598 1,572 4,257 1,798 1,719 4,398 2,144 2,247 1,446 2,522 2,052 2,011 2,332 1,708 6,525 2,403 2,017 1,787 1,781 2,203 2,485 2,813 NoData NoData NoData NoData 1,369 NoData NoData NoData NoData NoData NoData NoData NoData 1,036 1,514 2,877 NoData 1,529 1,399 NoData NoData NoData NoData NoData NoData NoData NoData NoData NoData 1,901 NoData NoData NoData NoData 0,768 1,739 NoData NoData NoData NoData NoData NoData NoData 3,754 NoData NoData 1,141 NoData 146,69 558,88 668,49 195,62 152,07 144,95 163,92 164,67 1168,67 3746,37 183,01 167,07 4352,75 3693,17 3458,24 180,50 182,89 167,88 237,33 288,33 174,62 237,62 177,66 195,37 195,72 182,23 186,74 188,23 209,75 194,94 3605,67 325,23 2431,89 252,76 210,51 633,33 234,63 239,62 218,79 217,51 276,28 230,43 231,30 238,04 243,99 283,61 343,12 373,20 159 0,14 0 0,83 1 2,56 0 0,22 0 0,14 0 0,14 0 0,20 0 0,19 0 4,94 0 74,88 1 0,15 0 0,19 0 72,86 1 64,05 1 47,51 0 0,19 1 0,23 0 0,19 0 0,22 0 0,32 0 0,21 0 0,30 0 0,22 0 0,23 0 0,24 0 0,24 0 0,25 0 0,25 0 0,26 0 0,26 0 47,54 0 0,30 0 17,17 1 0,29 0 0,28 0 0,69 0 0,32 0 0,37 0 0,34 0 0,35 0 0,28 0 0,37 1 0,38 0 0,38 1 0,44 0 0,44 0 0,45 0 0,45 0 0 1 0 0 0 0 0 0 0 0 0 0 1 1 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1 0 0 0 0 0 0 0 1 0 0 1 0 0 0 0 0,04 0,03 0,41 0,08 0,20 0,02 0,81 0,01 0,09 0,36 0,11 0,07 0,14 0,62 0,31 0,03 0,28 0,02 0,15 0,09 0,12 0,27 0,05 0,27 0,01 0,11 0,10 0,11 0,02 0,16 0,39 0,22 0,02 0,11 0,18 0,02 0,20 0,33 0,29 0,27 0,10 0,08 0,23 0,02 0,06 0,15 0,04 0,09 1 0 0 0 0 1 0 0 0 0 0 0 0 0 0 1 0 1 0 1 0 1 0 0 1 0 0 0 1 1 1 0 0 0 1 1 0 0 0 0 0 0 0 1 0 0 0 0 15,1 -2,9 -4,6 -4,5 -6,9 11,3 -3,9 -1,5 -4,9 -8,3 -6,3 -6,6 -4,5 -5,8 -3,4 27,2 -3,9 -3,1 -6,8 -1,1 -2,0 -3,0 -2,1 -4,5 4,4 -3,1 -5,2 -2,0 2,4 14,8 -1,9 -5,8 -3,3 -5,4 9,0 1,3 -5,0 -2,5 -1,6 -5,3 -6,1 -2,4 -3,1 21,2 -4,3 -3,4 -6,2 -4,5 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00

LK-094 LK-095 LK-096 LK-097 LK-099 LK-100 LK-101 LK-102 LK-104 LK-105 LK-106 LK-107 LK-108 LK-109 LK-111 LK-112 LK-113 LK-114 LK-115 LK-116 LK-118 LK-119 LK-121 LK-122 LK-123 LK-124 LK-125 LK-126 LK-127 LK-128 LK-130 LK-131 LK-132 LK-133 LK-134 LK-135 LK-136 LK-137 LK-138 LK-139 LK-140 LK-141 LK-142 LK-143 LK-144 LK-145 LK-147 LK-148 1,556 1,917 3,620 1,916 4,595 1,964 8,950 1,696 1,927 2,622 2,646 1,844 2,371 3,332 2,485 2,244 2,015 2,324 3,844 1,682 7,226 2,231 1,501 1,825 0,664 1,480 1,839 8,395 2,494 2,845 2,880 3,365 2,654 3,030 1,985 5,359 3,184 3,007 1,983 1,895 1,945 2,966 2,641 2,417 2,115 8,950 2,839 2,433 NoData NoData NoData NoData NoData 1,562 NoData 1,440 NoData NoData NoData NoData NoData NoData NoData NoData NoData NoData 1,162 NoData NoData 1,268 1,747 NoData NoData 1,598 NoData NoData 1,889 2,880 NoData NoData 1,100 NoData NoData NoData 0,936 1,451 3,978 2,695 2,398 1,598 NoData NoData NoData NoData NoData 1,771 257,93 292,68 281,68 303,05 266,09 295,36 278,40 295,61 605,88 285,74 280,79 263,31 275,93 578,24 280,97 274,19 279,04 817,29 349,93 320,44 340,45 293,19 427,11 597,53 309,46 377,03 481,78 455,64 394,45 547,53 312,59 366,94 335,27 315,98 316,00 335,16 362,19 332,21 384,62 336,15 404,44 757,75 439,22 353,46 368,93 552,99 364,32 502,40 160 0,45 0 0,59 0 0,46 0 0,47 0 0,49 1 0,50 0 0,50 0 0,50 0 1,01 0 0,52 0 0,52 0 0,53 0 0,53 0 0,55 0 0,56 0 0,56 1 0,57 0 0,58 0 0,58 1 0,60 0 0,62 0 0,62 0 0,64 1 0,65 0 0,66 0 0,66 1 0,66 0 0,66 0 0,66 0 0,67 0 0,68 0 0,69 0 0,70 0 0,70 0 0,70 0 0,71 0 0,73 0 0,76 0 0,80 0 0,83 0 0,84 0 0,84 0 0,86 0 0,88 1 0,89 0 0,90 1 0,90 0 0,91 1 0 0 0 0 1 0 1 0 0 1 0 1 0 0 0 1 0 0 1 0 0 0 1 1 0 0 1 1 0 0 1 1 0 0 0 0 1 0 0 0 0 1 0 1 0 1 0 0 0,25 0,46 0,15 0,14 0,13 0,01 0,01 0,14 0,04 0,03 0,03 0,06 0,09 0,12 0,87 0,05 0,15 0,05 0,04 0,24 0,14 0,10 0,01 0,01 0,49 0,02 0,21 0,08 0,02 0,05 0,33 0,02 0,10 0,18 0,08 0,03 0,20 0,38 0,01 0,04 0,02 0,18 0,32 0,02 0,13 0,09 0,08 0,05 0 0 0 0 1 1 1 1 1 1 0 1 0 0 0 0 0 1 1 0 1 0 1 0 0 1 0 0 1 1 0 0 1 0 0 1 1 0 1 1 1 0 0 0 1 1 1 0 -1,0 -2,3 -6,2 -3,5 -4,4 -3,7 13,4 -3,8 2,4 10,7 -2,4 19,1 -6,3 -5,0 -6,8 -4,8 -5,3 -4,0 12,6 -2,8 8,4 -6,6 15,1 -4,8 -5,4 -5,3 -3,2 -4,6 16,4 13,0 -3,2 -6,2 31,1 -5,9 -3,3 -2,4 20,4 -3,4 9,4 1,2 11,4 -7,2 -3,1 -4,9 3,4 10,3 13,0 -7,8 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00

LK-149 LK-150 LK-151 LK-152 LK-153 LK-154 LK-156 LK-157 LK-158 LK-159 LK-160 LK-162 LK-163 LK-164 LK-165 LK-166 LK-167 LK-168 LK-169 LK-170 LK-172 LK-173 LK-174 LK-175 LK-176 LK-177 LK-178 LK-179 LK-180 LK-181 LK-182 LK-183 LK-184 LK-185 LK-186 LK-187 LK-188 LK-189 LK-190 LK-191 LK-192 LK-193 LK-194 LK-195 LK-196 LK-197 LK-198 LK-199 1,628 4,932 2,332 1,320 2,064 3,200 3,241 1,708 2,171 3,062 1,416 2,091 2,158 2,684 2,399 1,721 1,160 1,856 1,285 3,273 3,890 3,055 2,357 2,139 2,664 2,836 9,371 2,089 2,086 1,924 1,733 2,212 1,339 2,082 2,566 2,904 2,627 8,950 1,951 3,406 2,253 2,597 2,028 3,995 1,636 2,275 0,989 1,778 NoData NoData 2,008 NoData 1,438 NoData NoData NoData NoData 2,030 NoData 3,406 2,659 0,967 NoData NoData NoData NoData NoData 1,867 NoData NoData NoData NoData NoData 0,985 2,329 0,810 NoData 0,757 1,402 NoData NoData NoData NoData NoData NoData NoData NoData NoData 4,594 NoData NoData NoData NoData NoData NoData 3,294 411,55 683,70 381,93 481,41 499,16 446,67 501,84 369,92 457,17 382,14 415,13 419,14 500,09 501,29 433,36 522,36 422,15 426,29 527,76 517,49 605,08 481,83 491,32 763,72 968,52 606,16 515,23 446,88 583,42 510,11 477,28 495,78 424,64 478,41 503,04 441,01 507,63 786,59 469,88 505,92 572,34 448,05 443,67 828,17 553,14 466,05 508,89 601,06 161 0,91 0 0,92 1 0,92 0 0,99 0 0,99 0 0,99 0 1,00 0 1,01 0 1,01 0 1,04 0 1,08 0 1,13 0 1,17 0 1,18 0 1,18 0 1,20 0 1,21 0 1,21 1 1,21 0 1,21 0 1,24 0 1,25 0 1,25 0 1,26 1 1,27 0 1,27 0 1,29 0 1,29 0 1,30 0 1,31 1 1,31 0 1,33 0 1,34 0 1,34 0 1,37 0 1,37 0 1,38 0 1,38 1 1,39 0 1,83 0 1,40 1 1,40 0 1,42 0 1,42 0 1,46 0 1,48 0 1,48 0 1,49 1 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 1 0 0 1 0 0 1 1 0 0 0 0 0 0 1 0 0 1 0 0 0 0 0 0 1 0,01 0,03 0,35 0,81 0,10 0,14 0,53 0,18 0,20 0,05 0,24 0,06 0,02 0,06 0,18 0,20 0,14 0,15 0,04 0,11 0,08 0,14 0,08 0,05 0,04 0,15 0,04 0,31 0,15 0,32 0,19 0,15 0,17 0,14 0,07 0,17 0,14 0,09 0,16 0,16 0,03 0,09 0,13 0,23 0,10 0,18 0,36 0,07 1 1 1 0 0 0 1 0 0 1 0 1 1 1 0 0 1 0 0 0 0 1 0 1 1 1 1 1 0 1 1 0 0 1 1 0 1 1 1 1 1 0 0 0 0 1 0 1 2,0 -3,6 12,7 -2,2 -6,8 -2,4 -1,0 -2,8 -2,1 15,9 -1,6 6,4 16,6 -1,8 -6,5 -2,2 6,7 -6,2 -2,8 -5,4 -5,0 4,7 -5,3 -3,3 -2,4 29,7 12,9 10,7 -2,0 7,9 14,8 -3,8 -2,3 -2,3 -1,4 4,3 12,2 10,6 13,3 30,0 10,8 -1,5 -1,6 -5,0 -1,8 -1,8 -1,2 22,3 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,02 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,02 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00

LK-200 LK-201 LK-202 LK-203 LK-204 LK-205 LK-206 LK-207 LK-208 LK-209 LK-210 LK-211 LK-212 LK-213 LK-214 LK-215 LK-216 LK-217 LK-218 LK-219 LK-220 LK-221 LK-222 LK-224 LK-225 LK-226 LK-227 LK-228 LK-229 LK-230 LK-231 LK-232 LK-233 LK-235 LK-236 LK-237 LK-238 LK-239 LK-240 LK-241 LK-242 LK-243 LK-244 LK-245 LK-246 LK-247 LK-249 LK-251 1,176 1,513 3,093 1,914 1,894 1,934 1,857 3,221 1,569 2,186 6,494 1,713 1,453 2,660 5,076 2,214 5,035 1,849 2,142 2,827 3,134 1,957 2,064 2,338 2,666 2,147 3,316 1,577 3,572 1,028 1,780 2,030 2,894 1,911 2,490 4,003 0,786 4,527 2,716 2,093 2,658 2,469 1,412 1,600 3,384 2,941 8,736 1,778 NoData NoData NoData 3,665 4,008 NoData 1,464 NoData NoData NoData NoData NoData 2,582 NoData NoData 0,783 0,612 3,681 NoData NoData 2,063 NoData NoData NoData NoData NoData NoData 0,710 1,521 NoData NoData NoData 1,640 NoData NoData 2,880 0,802 NoData NoData 0,721 1,170 NoData 1,241 NoData NoData 1,474 NoData NoData 463,48 752,92 550,30 683,80 561,27 580,52 494,12 580,49 786,07 1419,74 538,36 589,32 536,65 678,47 1541,24 511,14 766,44 636,45 542,93 564,54 563,77 2532,94 599,22 604,91 577,58 937,11 670,01 814,67 659,10 561,90 647,61 706,75 618,94 720,97 891,62 1056,42 546,78 635,93 595,75 653,22 624,07 583,04 849,40 610,93 819,31 1021,25 967,10 691,78 162 1,52 0 1,55 0 1,56 0 1,59 0 1,60 0 1,62 0 1,66 0 1,70 0 1,71 0 1,71 0 1,73 0 1,73 0 1,74 1 1,74 0 1,75 1 1,77 0 1,84 0 1,87 1 1,89 0 1,89 0 1,92 0 12,74 0 1,95 0 1,97 0 1,99 1 1,99 0 2,00 1 2,02 0 2,02 0 2,04 0 2,04 1 2,04 0 2,09 1 2,13 0 2,14 0 3,19 0 2,19 0 2,21 0 2,21 0 2,27 0 2,82 0 2,31 0 3,08 0 2,36 0 2,61 0 3,06 0 2,54 0 2,59 0 0 0 0 1 1 0 1 0 0 0 0 0 1 0 1 0 0 1 0 0 1 0 0 0 1 0 0 0 0 0 1 0 1 0 1 1 0 0 0 0 1 0 1 1 0 1 0 0 0,13 0,25 0,06 0,02 0,03 0,14 0,12 0,07 0,01 0,06 0,08 0,04 0,02 0,22 0,03 0,11 0,15 0,09 0,31 0,17 0,04 0,38 0,07 0,72 0,05 0,10 0,26 0,19 0,08 0,89 0,10 0,19 0,10 0,04 0,07 0,14 0,68 0,10 0,04 0,29 0,25 0,17 0,09 0,07 0,22 0,09 0,16 0,38 0 0 1 1 1 0 0 1 0 0 1 1 1 0 1 1 1 1 0 0 1 0 1 0 0 0 1 1 0 0 0 0 1 0 0 1 0 0 1 1 1 0 1 1 0 1 1 0 3,4 -1,2 5,0 22,3 23,0 -4,2 -7,4 8,9 -0,9 -4,1 12,3 10,7 1,2 -5,8 -3,7 -1,5 3,2 19,3 -5,6 -6,0 7,9 -5,4 -0,5 -2,9 -4,8 -2,8 5,3 1,8 -6,8 -2,3 -4,1 -2,8 27,4 -0,9 -0,8 24,9 -1,9 -6,8 5,4 14,3 11,1 -3,0 4,7 -2,1 -6,8 20,6 26,0 -1,7 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00

LK-252 LK-253 LK-254 LK-255 LK-256 LK-257 LK-258 LK-259 LK-260 LK-261 LK-262 LK-263 LK-264 LK-265 LK-266 LK-267 LK-268 LK-269 LK-270 LK-271 LK-272 LK-273 LK-274 LK-275 LK-276 LK-277 LK-278 LK-279 LK-280 LK-281 LK-282 LK-283 LK-284 LK-285 LK-286 LK-287 LK-288 LK-290 LK-291 LK-292 LK-293 LK-294 LK-295 LK-296 LK-297 LK-298 LK-299 LK-301 2,352 2,488 1,269 2,792 2,424 1,669 2,261 2,274 2,765 3,906 8,950 4,021 2,130 2,118 2,148 2,205 1,694 1,688 1,687 2,384 2,133 1,820 1,556 3,993 0,881 1,596 3,346 2,141 2,792 1,716 4,354 3,497 1,508 1,925 2,502 1,962 8,950 2,052 1,608 2,900 2,065 1,605 2,464 1,787 5,942 7,444 1,174 2,347 NoData NoData NoData NoData NoData NoData NoData NoData NoData NoData NoData NoData 0,991 NoData NoData NoData 1,523 0,993 1,151 1,495 NoData NoData NoData NoData NoData NoData NoData NoData NoData NoData NoData NoData NoData NoData NoData 1,277 NoData NoData NoData 4,603 NoData 1,026 1,065 NoData NoData 1,078 1,061 1,384 1729,90 822,44 611,75 679,86 687,04 685,28 677,58 603,02 707,92 719,01 1205,71 668,40 713,65 655,37 1093,41 654,22 686,99 723,80 653,88 700,43 1011,01 964,81 827,00 1012,11 722,19 793,99 794,49 848,42 813,22 750,22 951,21 960,82 767,57 1552,76 921,48 749,35 937,37 846,77 777,33 1085,47 800,61 799,02 851,17 760,68 969,27 952,43 841,10 859,98 163 2,61 1 2,63 0 2,63 0 2,63 0 2,63 0 2,67 0 2,68 0 2,68 0 2,69 0 2,70 0 2,73 1 3,26 0 2,76 0 2,76 0 3,32 0 2,80 1 2,81 1 3,45 0 2,91 0 3,67 0 3,01 0 3,09 1 3,09 0 3,47 0 3,21 0 3,21 0 3,25 0 3,29 0 4,02 0 3,37 0 3,45 0 3,58 0 3,72 1 3,69 0 3,70 0 3,79 0 3,85 0 3,87 0 4,03 0 4,08 0 4,27 0 4,10 0 4,16 0 4,27 0 4,43 0 4,54 0 4,41 0 4,44 1 1 0 0 0 0 0 0 0 0 1 1 0 0 1 0 1 1 0 0 0 0 1 1 0 0 0 0 0 1 0 0 0 0 0 0 1 1 1 0 1 0 0 0 1 0 0 0 1 0,19 0,06 0,35 0,18 0,26 0,43 0,30 0,58 0,09 0,09 0,05 0,40 0,14 0,09 0,08 0,12 0,05 0,53 0,13 0,16 0,14 0,03 0,14 0,18 0,25 0,67 0,59 0,25 0,08 0,25 0,18 0,16 0,02 0,33 0,09 0,35 0,10 0,39 0,35 0,04 0,21 0,70 0,18 0,09 0,70 0,28 0,22 0,04 0 0 1 0 1 0 1 0 1 0 1 1 1 0 0 0 1 1 1 1 0 1 0 0 0 0 0 0 0 0 0 0 1 0 1 0 1 0 0 1 1 0 1 0 1 1 0 1 -2,9 -3,1 4,2 -3,4 -0,7 -3,2 4,7 -6,0 9,4 -2,9 10,5 28,7 18,0 -2,5 -5,0 -4,8 1,5 26,5 7,4 20,6 -0,6 2,1 -2,2 -5,1 -1,2 -3,3 -4,9 -2,5 -6,4 -2,6 -4,0 -3,8 3,1 -3,2 -0,4 -6,9 10,9 -5,8 -2,5 16,8 2,7 -6,2 6,5 -1,0 16,9 9,5 -2,7 -4,8 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,01 0,13 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,03 0,00 0,00

LK-302 LK-303 LK-304 LK-306 LK-307 LK-308 LK-309 LK-310 LK-311 LK-312 LK-314 LK-315 LK-316 LK-317 LK-318 LK-319 LK-320 LK-321 LK-323 LK-324 LK-325 LK-326 LK-327 LK-328 LK-329 LK-330 LK-331 LK-332 LK-333 LK-334 LK-335 LK-336 LK-339 LK-340 LK-341 LK-342 LK-343 LK-344 LK-345 LK-346 LK-347 LK-348 LK-349 LK-350 LK-352 LK-353 LK-354 LK-355 2,274 2,726 0,815 2,887 1,769 3,623 2,638 1,214 1,615 1,373 1,513 1,844 2,133 1,095 2,316 1,754 2,177 2,534 2,172 2,202 1,070 2,205 2,074 4,236 1,487 5,008 2,848 2,962 1,463 2,471 1,507 1,414 1,834 3,790 1,891 1,991 1,931 0,698 1,241 2,446 8,950 3,389 1,754 2,669 2,954 4,943 2,143 2,151 NoData 1,338 NoData 0,793 NoData 1,491 NoData 1,030 NoData 2,214 1,219 NoData 0,709 NoData NoData NoData NoData 1,301 NoData 1,410 NoData NoData NoData NoData NoData 0,513 0,853 1,177 1,036 2,644 NoData NoData NoData NoData 1,065 NoData 1,056 0,559 NoData 1,645 1,559 NoData 1,358 NoData NoData 0,916 3,103 NoData 859,99 1236,57 800,41 875,76 810,93 825,22 1230,86 867,34 1112,25 981,30 852,76 985,85 898,67 1098,15 1017,97 1434,40 880,47 1052,97 1373,80 1502,67 1165,64 2083,09 1142,05 1231,51 1132,22 1049,61 1019,40 989,77 1227,14 1858,63 1092,68 3038,18 2521,47 1606,89 1434,18 1639,80 1250,06 1191,32 1208,64 1194,11 1248,66 2302,95 1444,79 1361,82 1631,02 1281,30 1309,64 1320,38 164 4,45 0 4,53 1 4,55 0 5,07 0 4,59 0 4,75 0 4,70 0 4,85 0 4,91 0 4,98 1 5,08 0 5,15 0 5,18 0 5,37 1 6,25 0 5,46 1 5,46 0 5,47 1 5,75 1 5,80 1 5,87 0 5,94 0 6,18 0 6,21 0 7,71 0 6,70 0 6,83 0 6,67 0 7,48 0 6,78 1 6,83 0 23,27 1 7,16 0 7,34 1 7,38 1 7,78 1 8,07 0 8,08 0 7,69 0 8,82 0 8,87 0 8,90 1 8,94 0 9,14 0 9,50 0 9,55 0 9,75 0 10,44 0 1 0 0 0 0 1 0 0 0 1 0 0 0 0 1 1 0 1 1 0 0 1 1 0 0 0 1 0 0 1 0 1 0 1 1 1 0 0 0 1 0 1 1 1 0 0 0 1 0,37 0,43 0,31 0,36 0,21 0,07 0,18 0,29 0,24 0,02 0,47 0,20 0,23 0,35 0,18 0,07 0,39 0,02 0,08 0,06 0,74 0,09 0,30 0,22 0,50 0,45 0,30 0,14 0,30 0,03 1,02 0,30 0,23 0,18 0,14 0,01 0,28 0,29 0,32 0,05 0,52 0,41 0,20 0,32 0,26 0,24 0,52 0,18 1 0 0 1 1 1 1 1 0 1 1 1 1 0 1 0 1 1 1 1 0 0 1 0 1 1 1 1 1 1 0 0 0 0 1 1 0 0 1 0 1 0 1 0 1 1 1 1 4,1 -7,5 -0,8 5,4 6,7 15,9 -1,4 6,5 -1,0 2,2 13,4 15,1 2,2 -3,5 -0,6 -7,4 -2,6 9,7 9,6 0,4 -1,7 -3,9 10,2 -6,0 4,9 15,4 18,7 5,4 15,7 3,1 -4,1 -4,2 -5,6 -3,1 12,7 -1,5 -2,7 -1,4 22,5 -4,1 0,5 -5,2 11,3 -5,3 14,8 6,3 12,7 6,2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00

LK-356 LK-358 LK-359 LK-360 LK-361 LK-362 LK-363 LK-364 LK-365 LK-366 LK-367 LK-368 LK-369 LK-371 LK-373 LK-375 LK-376 LK-377 LK-378 LK-379 LK-380 LK-381 LK-382 LK-383 LK-384 LK-385 LK-386 LK-387 LK-388 LK-389 LK-390 LK-391 LK-392 LK-393 LK-394 0,827 1,677 2,593 1,401 1,962 3,037 1,211 1,221 2,503 2,740 4,127 1,936 2,096 8,950 1,787 0,764 1,624 2,622 3,591 1,903 1,998 1,277 5,356 0,976 1,772 3,389 1,117 8,950 3,565 2,153 2,286 1,053 4,202 1,029 1,937 NoData NoData NoData NoData NoData 0,734 NoData 1,120 NoData NoData 0,992 NoData 0,985 1,168 NoData NoData NoData NoData NoData NoData NoData 0,683 NoData NoData NoData NoData 1,154 NoData NoData NoData NoData NoData NoData NoData NoData 1348,76 1446,79 1372,23 1326,38 1306,45 2127,08 1419,15 1418,09 1405,08 1585,11 2054,95 3175,85 1635,66 2347,58 1717,49 1773,93 2308,50 1762,69 1955,86 2065,04 2634,93 2365,90 2161,03 2633,91 2177,79 2623,36 2349,81 3031,51 3662,00 2466,81 3889,46 3622,29 2723,66 3290,15 4995,05 165 10,56 0 10,71 0 11,25 0 11,33 0 11,40 0 11,45 0 11,85 0 13,51 0 13,16 0 13,73 1 14,46 1 15,03 1 15,59 0 15,70 1 16,85 0 17,69 0 19,25 0 18,86 0 22,28 0 23,90 1 24,74 1 26,24 0 26,74 0 26,64 0 29,19 0 31,09 0 32,76 0 32,97 0 37,31 0 38,15 1 40,09 1 39,99 0 41,66 0 42,20 1 43,62 1 0 0 1 0 1 1 1 0 0 1 1 1 0 1 0 1 1 1 0 1 1 0 0 0 1 1 0 1 0 1 1 0 0 0 1 1,21 1,06 0,08 0,24 0,71 0,31 0,76 0,29 0,31 0,03 0,07 0,08 0,37 0,57 0,74 0,73 0,29 0,19 0,43 0,10 0,90 0,39 1,17 0,26 0,62 0,50 1,05 0,44 0,22 0,33 0,37 0,56 0,66 0,37 0,50 0 0 0 1 0 1 0 1 0 1 0 0 0 0 0 1 1 1 1 0 0 0 1 0 1 0 0 1 1 0 0 0 1 0 0 -2,0 -3,9 -9,9 5,7 -3,3 22,8 -3,8 6,6 -6,8 4,9 -5,0 -3,9 -4,9 -8,4 -5,1 16,2 2,4 12,0 3,9 -4,7 -6,3 -2,9 8,6 -1,9 12,5 -7,7 -6,3 13,0 3,7 -5,7 -3,6 -3,1 19,0 -3,1 -2,8 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 0 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,31 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,89 0,00 0,00 0,00 0,00 0,00 0,46 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,02 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,03 0,00 0,00 0,00 0,00 0,00 0,01 0,00 0,00 0,00 0,00 0,00 0,00 Приложение 2.5 (продолжение) LK-001 LK-002 LK-003 LK-004 LK-005 LK-006 LK-007 CA_A CA_PER SLOPE SHR SHR_ SWE SWE_ NDVI CHLA R _WGT PERC NORM 41,84 4452,84 2,50 80659 19,28 109670,20 0,15 65 111 27,73 2926,21 1,58 14088 5,08 47201,22 0,16 66 117 400,01 13318,89 1,98 741001 18,52 750191,08 0,15 66 114 150,66 9512,27 2,26 329587 21,88 312003,39 0,16 65 111 125,47 8454,39 1,34 485829 38,72 339924,14 0,13 64 106 49,19 3758,06 1,90 31878 6,48 88355,56 0,17 65 116 125,02 7192,41 2,35 128079 10,24 241999,11 0,15 66 122

LK-008 LK-009 LK-010 LK-011 LK-012 LK-013 LK-014 LK-015 LK-016 LK-017 LK-018 LK-019 LK-020 LK-021 LK-022 LK-023 LK-024 LK-025 LK-026 LK-027 LK-028 LK-029 LK-030 LK-031 LK-032 LK-033 LK-034 LK-035 LK-036 LK-037 LK-038 LK-039 LK-040 LK-041 LK-042 LK-043 LK-044 LK-045 LK-046 LK-047 LK-048 LK-049 LK-050 LK-051 LK-052 2,81 8,70 206,83 1,34 111,71 42,98 14,40 39,26 69,41 19,25 36,71 315,52 47,81 16,59 49,24 127,89 62,37 98,08 19,62 101,91 85,91 65,73 354,01 138,09 77,07 1,49 0,25 28,73 31,30 19,20 55,18 4,18 20,96 3,19 24,76 6,20 20,36 9,45 13,93 14,34 31,52 56,17 78,26 32,51 2,51 967,15 1887,64 16754,14 844,70 6387,77 3682,57 2266,57 3537,03 4604,07 2695,48 3553,72 15308,07 5768,46 2775,41 6574,04 9205,21 7745,20 7411,82 4002,43 10458,90 7269,97 6770,60 12263,87 7647,92 6635,46 751,57 313,08 4680,80 5523,64 2068,58 4008,09 1307,72 2689,96 881,95 3156,15 1480,55 2704,97 2402,95 1816,91 1994,20 3174,65 5239,46 9161,71 3720,00 1040,90 1,18 1,15 1,29 1,21 2,06 1,92 2,22 2,48 2,32 2,31 2,11 1,82 1,96 2,37 1,74 1,99 1,23 2,04 1,35 2,03 2,07 1,68 1,59 2,14 1,45 1,09 1,06 1,10 1,15 2,10 1,67 2,71 2,59 2,16 1,80 1,91 1,70 1,34 2,23 1,60 2,23 2,15 2,10 1,87 1,29 166 246216 3844 747481 98869 154593 601213 3041 82312 215428 39514 42767 657523 29458 19988 22819 176427 330359 138876 0 140692 94194 42476 176110 53409 6843 673869 818418 87902 52323 50567 114045 8494 35805 15793 34907 0 0 5121 0 0 88954 63748 390718 5333 0 0,00 0,00 18,89 12,83 13,84 30,69 2,11 20,97 31,04 20,53 11,65 20,84 6,16 12,05 4,63 13,80 0,84 14,16 0,00 13,81 10,96 6,46 4,97 3,87 0,89 64,20 0,00 8,29 0,77 26,34 20,67 20,31 17,08 49,52 14,10 0,00 2,64 32,10 14,16 20,00 28,22 11,35 6,69 5,73 0,00 4707,37 11561,35 349426,78 2073,36 186506,44 69618,42 36771,54 71528,64 110432,77 39262,19 60559,01 497439,66 90813,83 39207,32 92236,21 194346,15 116578,68 148246,42 55867,50 292343,42 142514,85 108772,74 517893,49 271856,00 156701,97 3117,04 591,71 39617,40 69477,86 22737,20 79385,60 8034,04 35102,03 5175,10 28708,02 14466,79 36009,67 12384,50 25246,02 22032,32 42199,85 78601,52 183113,67 52297,09 4208,35 4,25 1,16 0,21 7,38 0,16 0,80 0,18 0,15 0,14 0,16 0,13 0,15 0,14 0,16 0,16 0,14 0,51 0,13 0,14 0,15 0,14 0,13 0,14 0,15 0,08 17,39 241,75 0,56 0,40 0,11 0,14 0,13 0,13 0,16 0,11 0,19 0,02 0,01 0,06 0,00 0,13 0,13 0,34 0,01 0,16 61 58 64 65 65 62 64 65 65 63 64 65 64 64 63 64 56 65 63 64 65 65 65 63 63 71 56 61 58 66 64 66 65 61 67 62 65 68 65 66 65 65 64 64 66 119 110 107 115 115 100 108 117 112 103 108 112 111 107 109 109 98 115 98 106 110 109 107 106 107 117 85 111 86 119 109 129 117 105 118 100 111 125 112 117 114 116 110 113 111

LK-053 LK-054 LK-055 LK-056 LK-057 LK-058 LK-059 LK-060 LK-061 LK-062 LK-063 LK-064 LK-065 LK-066 LK-067 LK-068 LK-069 LK-070 LK-071 LK-072 LK-073 535,50 22419,92 103,99 10610,40 154,93 9449,99 5,73 1416,00 15,77 2845,14 136,63 7775,28 1,62 866,67 3,46 756,20 1,73 711,36 1,13 608,58 4,34 1271,51 45,80 5612,14 16,53 2397,17 2,30 962,80 37,21 4386,23 2,38 879,54 14,60 2252,36 47,26 4932,61 122,38 8319,47 2,57 969,63 713,93 32768,61 1,61 1,31 1,39 1,47 1,71 1,14 1,87 1,64 1,24 2,28 1,20 1,05 2,04 1,24 1,69 1,05 1,88 1,40 2,09 1,11 1,74 167 1112459 403697 414936 110 0 30337 9561 313 0 153 90 0 4356 0 10456 0 2306 6776 276832 1633 808839 LK-074 LK-075 LK-076 LK-077 LK-078 LK-079 LK-080 LK-083 LK-084 LK-085 LK-086 LK-089 LK-090 LK-091 LK-093 LK-094 LK-095 LK-096 LK-097 LK-099 LK-100 LK-101 LK-102 7,88 1744,23 1,55 824,22 28,98 3665,29 5,86 1884,85 1,11 610,16 1,18 695,65 28,31 4466,34 2,79 1040,11 4,42 1592,86 1,68 840,53 19,66 2799,87 7,53 1193,70 2,89 1176,56 4,59 1392,00 71,29 6053,68 1,79 675,14 1,27 670,56 3,07 968,54 7,88 2213,97 3,66 1049,89 22,35 3817,13 251,60 16359,08 9,98 2048,05 2,15 2,80 1,91 1,19 1,16 1,23 2,32 2,47 1,58 1,08 1,96 1,16 2,12 1,43 1,71 1,17 2,60 1,97 1,96 2,07 1,39 1,80 1,83 4799 2180 19456 5065 0 0 581 0 2819 0 769 1370 0 0 0 0 444 127 0 1255 71336 512 7240 20,77 38,82 26,78 0,19 6,74 60,58 31,28 0,90 0,00 1,36 0,21 8,64 2,64 0,00 6,63 0,00 1,58 0,16 22,62 40,66 11,33 5,90 14,02 6,71 0,00 0,00 0,00 12,09 0,00 6,38 0,00 0,98 1,82 0,00 52,37 15,95 0,00 3,49 0,41 11,27 3,42 21,27 23,90 31,92 837449,02 213637,43 283811,31 10521,29 27211,72 209013,93 2758,39 3131,68 2781,31 2506,86 7496,33 47356,48 25776,28 3631,23 69158,48 2802,82 27218,17 81800,08 231543,59 3558,98 1062864,9 8 12469,34 5686,19 47627,03 11438,71 1605,11 2200,45 57505,44 5841,93 5963,11 2890,02 31462,64 10665,84 6773,14 8884,43 108552,75 2124,25 3246,85 5680,08 15937,27 6868,61 38707,93 563689,28 17206,14 0,14 0,13 0,15 0,18 0,01 0,01 0,17 0,09 0,14 0,14 0,16 0,00 0,15 0,14 0,01 0,11 0,18 0,01 0,14 0,11 0,15 66 67 66 64 64 68 65 67 60 64 60 66 64 60 66 63 65 65 65 68 66 110 109 109 108 107 113 110 114 107 96 97 121 108 96 119 112 109 116 111 114 115 0,06 0,30 0,16 0,04 0,12 0,15 0,01 0,20 0,12 0,15 0,17 0,12 0,22 0,32 0,01 0,11 0,19 0,17 0,06 0,16 0,37 0,02 0,04 63 64 65 57 64 61 64 63 65 60 66 64 63 66 65 61 68 63 65 61 64 67 68 107 113 109 85 99 111 106 102 118 105 115 104 102 105 112 120 127 104 116 102 104 119 116

LK-104 LK-105 LK-106 LK-107 LK-108 LK-109 LK-111 LK-112 LK-113 LK-114 LK-115 LK-116 LK-118 LK-119 LK-121 LK-122 LK-123 LK-124 LK-125 LK-126 LK-127 LK-128 LK-130 LK-131 LK-132 LK-133 LK-134 LK-135 LK-136 LK-137 LK-138 LK-139 LK-140 LK-141 LK-142 LK-143 LK-144 LK-145 LK-147 LK-148 LK-149 LK-150 LK-151 LK-152 LK-153 17,03 3012,26 18,23 2737,11 15,11 2467,73 8,10 1429,20 66,10 4305,16 4,50 1337,23 9,81 3141,94 11,95 1804,63 10,94 2775,05 11,50 2119,99 1,28 686,23 2,49 956,03 4,42 1160,05 25,36 4245,72 23,66 3281,84 5,54 1787,80 74,96 6637,95 24,70 3618,40 3,11 1018,18 5,80 1295,89 27,06 2454,08 14,27 3413,60 2,05 891,34 54,15 4562,20 6,89 1260,33 3,86 1220,38 8,37 1161,50 20,84 2197,64 3,58 843,64 2,00 705,33 67,35 3641,13 6,72 2244,97 44,98 3306,79 37,90 5864,29 2,69 1199,24 37,07 3324,66 6,99 1555,00 192,49 12754,69 11,91 1978,74 23,26 3473,63 164,82 8132,74 30,17 2851,97 2,66 1011,21 1,22 784,44 23,06 2779,06 1,62 2,35 2,13 2,00 1,76 1,26 1,64 1,41 1,05 1,50 1,18 2,23 2,62 1,06 1,68 1,16 1,84 1,58 1,13 1,71 2,26 1,51 1,52 1,41 1,97 1,02 1,10 1,93 3,06 1,63 1,70 1,19 1,50 1,33 1,72 1,57 2,06 1,53 2,05 1,52 1,75 1,95 2,01 1,29 1,50 168 33544 12043 12554 0 15823 0 0 30744 15473 0 10496 322 14404 11401 113707 39593 1718 24525 11038 0 39918 0 0 131916 5893 10836 23103 25476 3493 15111 56174 65700 35772 24031 0 160438 18255 0 1281 78007 658442 120 0 85 49594 2,26 6,61 8,31 0,00 7,90 0,00 0,00 25,72 56,76 0,00 4,53 1,29 32,56 6,70 1,95 0,72 13,60 0,00 35,51 0,00 14,75 7,35 0,00 13,17 8,55 40,08 27,61 12,23 9,76 75,53 8,34 0,25 7,95 0,14 0,00 43,28 26,11 35,01 1,08 0,33 39,95 0,04 0,00 0,69 9,61 37185,33 25613,58 26337,14 10115,18 100837,51 7956,11 17042,89 17326,42 15847,15 17763,54 2331,95 4280,95 7517,61 30391,49 47465,42 10928,18 161559,85 47818,83 5592,07 8764,32 43766,15 19953,37 3309,49 83415,29 10476,09 4434,01 11401,55 33710,31 7658,63 4584,85 95817,81 12375,61 57918,48 58025,01 7167,27 62786,04 7465,72 310007,40 18432,64 35295,26 241349,18 47362,76 5402,47 2428,83 33773,91 0,23 0,13 0,17 0,12 0,01 0,15 0,01 0,13 0,04 0,15 1,40 0,14 0,15 0,03 0,45 0,84 0,00 0,25 0,15 0,19 0,16 0,14 0,14 0,13 0,14 0,15 0,13 0,16 0,15 0,13 0,14 0,42 0,12 0,02 0,19 0,16 0,10 0,01 0,14 0,10 0,15 0,15 0,16 0,13 0,06 66 65 64 64 65 59 65 66 61 65 65 65 64 63 63 58 65 64 61 65 65 66 62 65 64 61 64 65 65 66 66 62 67 67 62 66 64 67 65 69 65 62 62 60 65 117 114 110 113 115 90 115 107 94 118 131 111 106 122 108 98 113 109 93 120 115 118 98 105 110 94 106 111 119 103 114 117 120 126 98 113 109 116 112 129 110 104 102 111 115

LK-154 LK-156 LK-157 LK-158 LK-159 LK-160 LK-162 LK-163 LK-164 LK-165 LK-166 LK-167 LK-168 LK-169 LK-170 LK-172 LK-173 LK-174 LK-175 LK-176 LK-177 LK-178 LK-179 LK-180 LK-181 LK-182 LK-183 LK-184 LK-185 LK-186 LK-187 LK-188 LK-189 LK-190 LK-191 LK-192 LK-193 LK-194 LK-195 LK-196 LK-197 LK-198 LK-199 LK-200 LK-201 7,20 1,88 5,54 5,08 20,97 4,54 18,22 6,94 21,25 17,01 5,94 8,56 10,46 34,18 11,24 15,03 8,80 6,61 24,55 35,36 8,39 33,60 4,23 8,49 4,06 39,46 9,09 7,95 9,28 18,30 8,11 9,60 110,95 8,72 11,71 52,40 16,19 10,68 6,18 15,25 8,07 4,16 11,08 11,53 6,17 1563,70 798,56 948,36 1466,93 2160,65 1025,15 2063,37 1725,08 1949,98 2696,90 1400,57 1570,42 2770,83 4209,55 1753,01 3392,80 1465,64 1687,87 2512,09 4035,35 1700,89 2843,71 1162,37 2004,92 991,63 4879,45 1848,39 1261,62 1728,75 3157,16 1308,90 1768,12 9406,21 1929,94 2345,84 5794,06 1730,43 1500,41 1753,75 2815,69 1609,99 1395,60 3268,46 1472,13 1491,36 2,39 1,72 1,17 1,13 2,26 1,20 1,72 1,84 1,26 1,16 1,07 2,25 1,13 1,07 2,23 1,18 2,30 1,06 2,14 2,26 1,62 1,66 2,50 1,49 2,85 1,65 2,20 1,84 1,55 1,89 2,15 2,29 1,90 2,04 1,53 1,44 1,12 1,30 1,21 1,02 2,25 1,22 1,56 1,98 1,05 169 10583 574 25618 0 53735 11927 0 52232 22404 10756 44712 0 8885 80728 6650 344 5637 0 307 75412 5125 70616 8094 8819 357 10762 11211 7768 3740 6032 0 4180 10637 8456 2819 0 62548 24297 6645 8106 1792 0 1025 429 834 14,70 3,05 46,22 0,00 25,62 26,29 0,00 15,50 10,54 45,86 75,32 0,00 42,14 23,62 5,92 0,23 6,41 16,27 0,13 21,33 6,11 21,02 19,14 10,38 0,88 0,13 12,33 9,78 4,03 3,30 0,00 4,35 7,92 9,70 2,41 0,00 38,63 22,75 10,74 5,32 2,22 0,00 0,93 0,37 1,35 12294,12 5775,35 8974,69 6837,12 31082,22 6401,50 32896,59 11710,01 33029,82 24499,88 9221,20 14256,27 17129,26 39524,12 15842,67 22680,75 13860,35 8136,37 48236,19 42078,16 14667,55 52474,81 10888,41 12974,62 11913,23 69049,54 12178,02 10775,82 11632,24 26836,72 13909,84 13636,37 258305,49 15367,71 14845,10 97478,61 20953,54 16071,95 9720,93 17296,78 12976,64 7027,54 23915,12 16445,18 7991,17 0,16 0,21 0,14 0,11 0,15 0,12 0,17 1,42 0,15 0,04 0,13 0,15 0,11 0,11 0,13 0,14 0,13 0,26 0,18 0,11 0,16 0,14 0,20 0,13 0,19 0,02 0,11 0,12 0,11 0,14 0,15 0,12 0,02 0,15 0,11 0,18 0,12 0,12 0,14 0,11 0,12 0,10 0,31 0,13 0,10 64 64 65 66 65 61 62 64 65 67 66 62 73 66 66 68 66 60 61 65 66 65 64 64 61 65 64 64 67 65 61 64 65 65 66 65 65 64 67 60 64 60 65 61 61 107 118 110 129 107 100 101 108 111 120 106 101 128 102 115 115 112 89 102 117 117 110 101 120 99 118 112 109 116 113 96 116 116 109 114 116 110 113 110 109 108 113 115 100 111

LK-202 LK-203 LK-204 LK-205 LK-206 LK-207 LK-208 LK-209 LK-210 LK-211 LK-212 LK-213 LK-214 LK-215 LK-216 LK-217 LK-218 LK-219 LK-220 LK-221 LK-222 LK-224 LK-225 LK-226 LK-227 LK-228 LK-229 LK-230 LK-231 LK-232 LK-233 LK-235 LK-236 LK-237 LK-238 LK-239 LK-240 LK-241 LK-242 LK-243 LK-244 LK-245 LK-246 LK-247 LK-249 27,74 69,56 15,49 11,83 3,89 26,77 158,67 27,76 20,41 47,73 73,69 34,65 50,60 15,55 1,45 50,54 20,70 6,28 53,67 33,51 28,38 2,73 36,71 20,64 7,71 10,75 11,21 2,28 21,04 10,98 20,96 59,03 30,73 6,16 3,21 0,85 54,29 7,75 11,25 13,40 10,11 34,50 3,45 34,97 0,67 3052,96 5080,03 2777,88 2217,58 1596,57 3282,59 8506,72 4294,63 2557,48 3672,03 3996,24 2709,18 3268,58 2003,39 516,30 5255,04 2565,92 1495,27 4063,57 4418,29 2513,16 1145,55 3981,21 3235,90 1752,34 2290,93 2168,59 1153,50 2352,22 1507,65 3200,36 5841,13 2350,70 1594,13 1438,91 551,76 4465,44 1749,85 1970,27 2236,11 3026,03 4020,00 1195,59 3487,97 398,18 1,84 1,76 1,35 1,10 1,38 2,00 1,51 1,77 1,77 1,59 1,91 1,95 2,18 1,32 1,29 1,79 1,58 1,17 2,23 1,95 2,02 1,56 1,75 1,84 2,55 1,86 1,14 1,32 1,42 1,23 1,64 1,35 1,07 1,62 1,14 1,29 1,86 1,75 2,64 2,44 1,15 1,99 1,12 1,80 1,24 170 86219 72002 19218 0 28671 0 562569 11018 29723 14349 85463 4652 16214 484 10520 15109 40448 62091 125553 1794 1282 0 153339 12029 3075 21735 16990 0 96744 54279 5125 173331 0 22152 1544 47522 110602 0 17642 27326 18632 14194 28754 60151 0 31,08 10,35 0,00 24,30 27,84 12,53 35,45 3,97 14,57 3,01 11,60 7,08 3,20 0,31 36,66 0,56 0,50 18,16 23,39 0,54 0,45 0,00 41,77 5,83 3,99 20,22 0,00 0,00 45,98 49,41 2,44 29,36 0,00 65,68 4,81 0,00 20,37 0,00 15,68 20,39 0,00 4,11 0,00 17,20 76,48 46158,72 120278,83 24907,89 18399,90 6764,81 40453,20 218076,60 50314,79 29646,32 69665,40 105320,39 61719,86 87430,44 25784,37 2070,07 90696,45 36452,63 8223,76 82340,91 62043,60 39178,43 7478,62 74747,12 31829,17 14611,46 20301,70 14892,85 5048,03 37282,81 15647,28 34740,02 79752,59 34729,41 11546,40 6514,43 945,25 71194,40 17150,57 19758,94 18423,98 21857,05 64452,24 5010,66 46276,70 1267,15 0,16 0,17 0,52 0,13 0,53 0,14 0,14 0,17 0,13 0,14 0,14 0,03 0,16 0,16 1,00 0,07 0,05 0,23 0,15 0,14 0,13 0,15 0,19 0,13 0,15 0,13 0,26 0,13 0,15 0,12 0,15 0,13 0,11 0,48 0,12 4,19 0,13 0,17 0,14 0,12 0,48 0,18 0,45 0,12 3,27 65 66 65 68 61 66 66 63 65 66 66 65 61 63 63 64 68 63 66 64 62 60 65 65 65 64 56 61 65 60 64 67 60 66 61 63 66 62 64 63 63 67 62 66 75 110 112 122 126 109 117 114 108 114 116 111 112 98 105 96 109 129 121 118 110 104 107 102 114 111 106 79 100 113 92 106 116 110 104 102 102 114 103 105 107 122 116 111 117 143

LK-251 LK-252 LK-253 LK-254 LK-255 LK-256 LK-257 LK-258 LK-259 LK-260 LK-261 LK-262 LK-263 LK-264 LK-265 LK-266 LK-267 LK-268 LK-269 LK-270 LK-271 LK-272 LK-273 LK-274 LK-275 LK-276 LK-277 LK-278 LK-279 LK-280 LK-281 LK-282 LK-283 LK-284 LK-285 LK-286 LK-287 LK-288 LK-290 LK-291 LK-292 LK-293 LK-294 LK-295 LK-296 6,85 1252,50 13,40 2931,44 40,53 5699,26 7,42 1512,98 14,75 2520,59 10,23 2039,19 6,20 2015,68 9,06 1964,96 15,89 3564,23 29,34 2668,63 29,15 3783,83 72,78 7290,83 8,14 1910,26 11,68 2587,59 30,04 2609,10 41,18 4450,56 23,01 2177,57 55,34 4594,41 6,55 1652,82 22,78 2514,07 23,43 2840,49 21,06 2005,98 107,71 6738,09 22,27 3082,10 2,70 909,45 12,58 1524,04 4,78 1899,22 3,54 1293,87 13,29 2747,54 49,36 4160,90 13,61 2411,88 1,66 926,12 22,55 2026,77 177,01 12505,70 43,00 6028,00 42,77 4118,83 245,61 12839,72 226,13 24353,41 21,48 2876,18 11,60 2046,24 110,53 7080,90 12,38 2648,20 10,81 1706,14 22,65 2669,43 45,27 3371,53 1,14 1,64 1,76 2,38 1,97 2,27 1,11 2,44 1,10 1,59 1,27 1,67 1,55 1,10 1,33 1,92 1,74 1,73 1,72 2,21 2,21 1,04 1,82 2,17 1,85 1,02 2,09 1,37 2,13 1,53 2,36 1,68 1,22 2,02 1,13 2,03 1,53 1,56 1,67 1,04 1,43 1,27 1,83 1,95 1,70 171 18386 5052 87605 1793 0 0 0 3075 4167 34512 111495 2819 0 5381 26137 31095 99776 0 0 32744 72526 0 25048 1794 34 44991 0 402 0 512 17465 1926 91989 43342 1025 115542 48743 512 31868 79572 107994 6150 0 30487 142444 26,84 3,77 21,61 2,41 0,00 0,00 0,00 3,39 0,00 11,76 38,24 13,58 0,00 0,00 8,70 7,55 43,37 0,00 0,00 14,38 30,95 0,00 2,33 0,81 17,80 35,75 0,00 20,46 0,00 0,10 12,83 40,86 40,80 2,45 0,92 27,01 22,78 14,61 7,03 68,61 9,77 8,50 0,00 13,46 31,46 10305,73 22942,45 51301,58 16629,91 32606,72 25405,74 10785,72 18163,92 18448,90 40820,58 43132,28 172451,12 13810,30 17722,67 43180,35 58840,00 38439,85 110444,49 13198,62 32778,22 33918,51 25996,54 153220,12 36575,80 5473,40 17145,75 12443,58 4453,98 24121,70 79017,47 22114,86 3592,28 32045,57 308710,47 65334,27 68113,96 347948,09 601669,05 37276,15 16261,85 166139,04 15761,35 22918,56 35281,62 66367,02 0,11 0,13 0,12 0,18 0,20 0,20 0,12 0,15 0,03 0,13 0,14 0,12 0,12 0,28 0,13 0,14 0,14 0,19 0,15 0,13 0,13 0,11 0,14 0,15 0,83 0,12 0,17 0,22 0,15 0,15 0,13 1,64 0,12 0,17 0,04 0,15 0,01 0,03 0,06 0,10 0,15 0,27 0,06 0,14 0,14 62 65 67 62 64 65 61 66 61 66 68 65 66 61 63 67 66 63 65 66 65 60 66 65 65 59 65 65 66 65 67 66 65 65 60 64 66 64 66 66 66 65 62 65 65 102 114 114 99 106 114 100 117 114 114 120 113 116 120 106 120 107 101 114 112 119 110 114 111 113 96 113 111 114 115 123 104 109 111 106 108 117 111 119 103 117 106 102 110 107

LK-297 LK-298 LK-299 LK-301 LK-302 LK-303 LK-304 LK-306 LK-307 LK-308 LK-309 LK-310 LK-311 LK-312 LK-314 LK-315 LK-316 LK-317 LK-318 LK-319 LK-320 LK-321 LK-323 LK-324 LK-325 LK-326 LK-327 LK-328 LK-329 LK-330 LK-331 LK-332 LK-333 LK-334 LK-335 LK-336 LK-339 LK-340 LK-341 LK-342 LK-343 LK-344 LK-345 LK-346 LK-347 6,33 2031,32 15,94 2151,29 20,45 3091,02 124,53 6941,54 11,93 1789,73 20,62 2804,51 14,44 1673,12 22,90 4554,89 22,10 2611,58 67,36 4372,32 25,83 2912,47 16,60 2354,57 20,79 2053,49 82,21 5825,97 14,72 2709,08 25,58 2865,94 22,92 3163,79 15,29 2726,09 34,80 3564,07 10,76 2689,97 13,87 1709,41 232,36 8085,66 75,67 4790,80 89,33 6210,18 7,99 2285,65 67,24 6211,11 20,53 3471,37 1,35 758,41 15,50 3403,53 0,81 453,32 22,45 2681,07 23,10 3027,11 31,59 3659,43 250,37 12614,42 73,07 7581,28 78,77 7640,08 19,63 4193,63 41,89 5539,25 4,58 1530,07 587,92 23169,54 29,33 4051,05 27,64 3468,35 15,61 3799,80 187,82 8833,70 288,22 15309,92 2,23 2,43 1,02 2,32 1,92 1,69 1,05 1,24 1,90 1,69 2,37 1,84 1,04 1,70 1,80 1,65 1,71 0,73 2,11 1,12 1,72 1,83 1,80 1,58 1,45 1,23 2,10 1,58 1,82 1,05 2,31 2,08 1,44 1,71 1,08 1,91 1,11 1,32 1,13 2,04 1,40 1,54 1,18 1,45 1,46 172 2 17257 34701 240146 37835 44078 0 19726 3075 79015 26904 0 630 559401 0 52182 21011 53489 71142 356918 38881 758508 59387 11531 636 56677 183 23822 520 11274 42937 769 0 267902 170 6700 22814 141628 81195 1415458 27544 511 4612 805438 3844 0,00 10,83 16,97 19,28 31,71 2,98 0,00 27,26 1,39 11,73 10,42 0,00 0,30 29,95 7,66 20,40 9,17 34,98 20,45 45,30 28,04 32,64 7,85 1,29 0,80 8,43 0,09 12,06 0,34 0,00 19,12 0,00 7,22 10,70 48,85 0,85 0,02 33,81 9,10 24,08 9,39 0,18 1,06 42,88 25,93 17134,83 27262,00 26519,20 186191,23 20958,21 37865,33 19112,00 44069,28 37389,56 108049,04 41846,95 31539,70 27557,67 157022,31 33720,57 35620,64 42480,78 14759,02 51834,02 17159,17 26453,63 343587,75 109371,92 160361,20 20032,00 92427,33 38026,13 3324,63 29605,33 1394,69 39900,65 40559,76 53451,56 425443,54 96928,20 156906,41 25737,21 58723,39 7625,60 856106,65 48100,56 56969,67 32673,24 258246,77 439256,37 0,16 0,13 0,11 0,14 0,13 0,07 0,10 0,09 0,15 0,15 0,14 0,16 0,11 0,41 0,13 0,12 0,16 0,08 0,14 0,86 0,15 0,14 0,13 0,17 0,14 0,11 0,14 2,53 0,14 3,16 0,15 0,32 0,13 0,16 0,01 0,17 0,23 0,12 1,83 0,14 0,14 0,17 0,24 0,13 0,01 64 66 64 66 64 67 60 65 65 64 65 63 60 65 63 65 65 72 65 68 64 65 65 65 62 61 63 65 66 69 64 64 63 65 70 65 60 67 59 66 66 63 63 66 65 116 113 102 118 100 118 116 113 112 108 113 108 116 109 109 114 113 117 113 119 107 109 114 112 119 108 109 103 117 140 113 114 105 109 125 110 108 119 105 112 111 108 113 110 112

LK-348 LK-349 LK-350 LK-352 LK-353 LK-354 LK-355 LK-356 LK-358 LK-359 LK-360 LK-361 LK-362 LK-363 LK-364 LK-365 LK-366 LK-367 LK-368 LK-369 LK-371 LK-373 LK-375 LK-376 LK-377 LK-378 LK-379 LK-380 LK-381 LK-382 LK-383 LK-384 LK-385 LK-386 LK-387 LK-388 LK-389 LK-390 LK-391 LK-392 LK-393 LK-394 21,56 3361,88 44,46 4498,41 6,10 1728,00 36,98 3250,43 40,16 3035,03 18,62 3125,91 58,58 4954,59 8,72 2081,87 9,93 2136,80 14,65 2952,31 47,07 4010,19 16,05 2124,39 0,65 492,22 53,71 4966,84 46,64 3900,73 23,55 4152,00 496,67 16337,23 197,71 10482,12 177,28 9107,32 42,52 4673,91 435,19 21052,01 50,32 5039,50 24,37 3284,64 27,46 3787,91 99,35 5531,18 51,64 4556,05 242,59 7909,11 27,35 4361,60 67,27 7444,52 22,88 3858,03 102,88 7366,43 47,26 4064,87 5,29 1729,78 65,87 5658,79 65,86 6397,39 166,46 9378,11 114,44 7978,45 108,25 8151,98 71,50 6224,97 63,23 4767,90 112,58 5667,39 86,66 9181,44 1,22 1,61 1,09 2,09 1,77 1,27 2,28 2,20 1,07 1,54 1,97 1,12 1,08 1,78 2,45 1,58 1,67 1,83 1,44 0,81 1,55 1,44 2,29 1,70 1,75 1,96 1,82 1,67 1,20 2,47 1,64 2,37 1,07 1,94 1,73 1,81 0,98 1,68 1,10 2,08 1,81 1,80 173 0 0 34220 72574 3536 0 56669 14703 0 827719 116219 73937 24683 1657 103763 3957 750984 301068 691964 183536 52921 62423 15749 25338 57333 2819 457438 11237 200216 40360 117023 25551 5218 2424 101972 109489 119077 110512 110331 15843 170744 120678 0,00 0,00 25,95 19,63 0,88 0,00 9,67 16,86 49,93 0,00 24,69 46,06 0,00 15,12 22,25 27,89 15,12 15,23 39,03 43,16 18,81 3,82 6,46 19,27 5,77 0,55 18,86 4,11 29,76 17,64 11,38 5,41 0,00 3,85 0,58 6,58 10,41 10,21 15,43 2,51 15,17 13,93 35398,76 90371,61 9277,91 65618,47 83065,89 40024,19 77076,91 24174,95 14759,85 21167,24 75577,01 31922,12 1275,47 96723,34 74425,25 29270,67 631346,69 332664,99 254054,67 50506,83 974122,33 84879,00 53880,65 54842,60 165440,27 96397,89 374838,66 76182,80 113584,39 71600,03 173559,77 104980,29 5732,81 123221,23 121421,01 251164,29 164642,97 192919,16 122275,44 138030,87 198082,64 164720,34 0,13 0,17 0,77 0,15 0,18 0,16 0,11 0,15 0,12 1,30 0,14 0,10 7,52 0,04 0,13 0,23 0,12 0,15 0,13 0,09 0,01 0,06 0,13 0,36 0,14 0,14 0,14 0,15 0,13 0,19 0,14 0,14 1,54 0,06 0,18 0,13 0,10 0,13 0,11 0,15 0,14 0,13 68 63 68 65 64 63 65 62 67 66 65 67 62 65 65 66 66 65 66 68 65 67 65 63 66 64 65 64 66 62 64 65 65 64 65 65 65 67 65 64 64 66 119 103 123 112 110 109 112 96 120 119 108 116 77 111 116 113 115 110 112 121 112 122 112 101 115 108 109 106 113 106 108 111 117 109 115 110 109 122 105 110 105 113

174 Приложение 3.1 Карта водосборных бассейнов озер

175 Приложение 3.2. Карта доли площади высокоствольных ивняков в водосборном бассейне

176 Приложение 3.3. Карта снегозапасов в форме водного эквивалента

177

Рецензии:

Авторизуйтесь, чтобы добавить рецензию

- у работы пока нет рецензий -

Отзывы:

Авторизуйтесь, чтобы оставить отзыв