Satellite-Based Mapping of the Negative Impact of Gold Mining Enterprises on the Natural Environment of the Cryolithozone (On the Example of the Magadan Region)

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

Gold mining at ore and alluvial deposits causes a substantial negative impact on the natural environment, in particular land degradation and contamination of watercourses with suspended solids. In this study, we consider a methodology for identifying and mapping the negative impact of gold mining enterprises on the natural environment based on a long-term series of free-available Landsat and Sentinel-2 satellite images. The study was carried out on the example of Tenkinsky, Susumansky and Yagodninsky districts of the Magadan region, where the largest gold deposits are located. Identification features of active mining areas, as well as abandoned ones (on which vegetation began to recover), have been found on satellite images. Based on expert interpretation of the images and NDVI analysis, it was found that about 2% of the study area was affected by gold mining. The processes of vegetation recovery were identified only on 10% of the degraded lands. In the Tenkinsky district, the area of disturbed lands for the period 2001–2021 increased by more than 7 times, which is associated with a substantial increase in gold mining. Using the C2RCC processor (module of the SNAP software package), the content of suspended solids in the water of the most impacted rivers Berelekh, Ayan-Yuryakh and Kolyma, was estimated in comparison with natural values (typical for non-contaminated water). We found that the main source of suspended matter in the rivers is the alluvial gold deposits located in the floodplain of the Berelekh river. At the same time, the seasonal variability of water contamination is determined by hydrological situation. In particular, water turbidity decreases during low water periods and increases during high-flow periods.

About the authors

P. G. Ilyushina

M.V. Lomonosov Moscow State University, Faculty of Geography; Saint-Petersburg State University

Email: and3131@inbox.ru
Russia, Moscow; Russia, Saint-Petersburg

A. N. Shikhov

Perm State University; Saint-Petersburg State University; Kazan Federal University

Author for correspondence.
Email: and3131@inbox.ru
Russia, Perm; Russia, Saint-Petersburg; Russia, Kazan

O. M. Makarieva

Saint-Petersburg State University

Email: and3131@inbox.ru
Russia, Saint-Petersburg

References

  1. Беликович А.В. Растительный покров Сусуманского района Магаданской области // Комаровские чтения. Владивосток: Дальнаука. 2001. Вып. 48. С. 125–154.
  2. Добыча золота в Магаданской области. URL: https://zolotodb.ru/article/11259 (дата обращения 01.09.2022).
  3. Иванов В.В. Геоэкологические особенности освоения месторождений полезных ископаемых Якутии // Международный журнал прикладных и фундаментальных исследований. 2013. № 8-1. С. 59–62.
  4. Корниенко С.Г. Характеристика антропогенных трансформаций ландшафтов в районе Бованенковского месторождения по данным спутников Landsat // Современные проблемы дистанционного зондирования Земли из космоса. 2022. Т. 19. № 2. С. 106–129.
  5. Краснощеков К.В., Дергунов А.В., Пономарева Т.В. Геопространственный анализ техногенно-нарушенных экосистем Средней Сибири по спутниковым данным в ИК-диапазоне // Современные проблемы дистанционного зондирования Земли из космоса. 2022. Т. 19. № 3. С. 203–216.
  6. Лабутина И.А., Сафьянов Г.А. Исследования распространения твердого стока рек по аэрокосмическим снимкам на примере Кодора и Селенги // Космическая съемка и тематическое картографирование. М. Изд-во Моск. ун-та, 1980. С. 118–125.
  7. Ле Хунг Чинь, Заблоцкий В.Р., Тхи Тху Нга Нгуен. Разработка методики определения концентрации взвеси в поверхностных водах р. Дай (Вьетнам) по изображениям MSI Sentinel-2 с высоким пространственным разрешением // Исслед. Земли из Космоса. 2020. № 2. С. 15–23. https://doi.org/10.31857/S0205961420020037
  8. Радомская В.И., Радомский С.М. Анализ влияния предприятий золотодобычи на состояние водных ресурсов // Изв. Самарского научного центра РАН. 2014. Т. 16. № 1(3). С. 920–923.
  9. Страницы истории. 80 лет Сусуманскому ГОКу. 65 лет Сусуманскому району. Магадан: Охотник, 2018. 280 с.
  10. Чупаченко О.Н. Учебно-методическое пособие по проведению общественного мониторинга загрязнений рек при добыче россыпного золота с использованием космоснимков. М., Всемирный фонд дикой природы (WWF), 2020. 36 с.
  11. Brockmann C., Doerffer R., Peters M., Stelzer K., Embacher S., Ruescas A. Evolution of the C2RCC neural network for Sentinel 2 and 3 for the retrieval of ocean colour products in normal and extreme optically complex waters. European Space Agency, (Special Publication). 2016. V. 740. P. 54.
  12. Chen J., Quan W., Cui T., Song Q. Estimation of total suspended matter concentration from MODIS data using a neural network model in the China eastern coastal zone // Estuarine, Coastal and Shelf Science. 2015. V. 155. P. 104–113. https://doi.org/10.1016/j.ecss.2015.01.018
  13. Ding Y., Zheng X., Zhao K., Xin X., Liu H. Quantifying the Impact of NDVIsoil Determination Methods and NDVIsoil Variability on the Estimation of Fractional Vegetation Cover in Northeast China // Remote Sensing. 2016. V. 8. Art. № 29. https://doi.org/10.3390/rs8010029
  14. Gallo Corredor J.A., Lizeth Vargas González G., Velasco Granados M., Gutiérrez L., Pérez E.H. Use of the gray water footprint as an indicator of contamination caused by artisanal mining in Colombia // Resources Policy. 2021. V. 73. Art. № 102197. https://doi.org/10.1016/j.resourpol.2021.102197
  15. Jarsjö J., Chalov S.R., Pietroń J. et al. Patterns of soil contamination, erosion and river loading of metals in a gold mining region of northern Mongolia // Regional Environmental Change. 2017. V. 17. P. 1991–2005. https://doi.org/10.1007/s10113-017-1169-6
  16. Liu W., Wang S., Yang R., Ma Y., Shen M., You Y., Hai K., Baqa M.F. Remote sensing retrieval of turbidity in alpine rivers based on high spatial resolution satellites // Remote Sensing. 2019. V. 11(24). Art. № 3010. https://doi.org/10.3390/rs11243010
  17. Nazirova K., Alferyeva Y., Lavrova O., Shur Y., Soloviev D., Bocharova T., Strochkov A. Comparison of in situ and remote-sensing methods to determine turbidity and concentration of suspended matter in the estuary zone of the Mzymta River, Black Sea // Remote Sensing. 2021. V. 13(1). P. 1–29. https://doi.org/10.3390/rs13010143
  18. Nechad B., Ruddick K., Park Y. Calibration and validation of a generic multisensor algorithm for mapping of total suspended matter in turbid waters // Remote Sensing of Environment. 2010. V. 114. P. 854–866. https://doi.org/10.1016/j.rse.2009.11.022
  19. Neves V.H., Pace G., Delegido J., Antunes S.C. Chlorophyll and suspended solids estimation in Portuguese reservoirs (Aguieira and Alqueva) from Sentinel-2 imagery // Water. 2021. V. 13(18). Art. № 2479. https://doi.org/10.3390/w13182479
  20. Pyankov S.V., Maximovich N.G., Khayrulina E.A., Berezina O.A., Shikhov A.N., Abdullin R.K. Monitoring Acid Mine Drainage’s Effects on Surface Water in the Kizel Coal Basin with Sentinel-2 Satellite Images // Mine Water and the Environment. 2021. V. 40(3). P. 606–621. https://doi.org/10.1007/s10230-021-00761-7
  21. Ritchie J.C., Schiebe F.R., McHenry J.R. Remote sensing of suspended sediments in surface waters // J. American Society of Photogrammetry, 1976. V. 42. P. 1539–1545.
  22. Schueler V., Kuemmerle T., Schröder H. Impacts of surface gold mining on land use systems in Western Ghana // Ambio. 2011. V. 40(5). P. 528–539. https://doi.org/10.1007/s13280-011-0141-9
  23. Tripathi G., Pandey A.C., Parida B.R. Spatio- temporal analysis of turbidity in Ganga River in Patna, Bihar using Sentinel-2 satellite data linked with COVID-19 pandemic. IEEE India Geoscience and Remote Sensing Symposium, InGARSS 2020 – Proceedings. 2020. P. 29–32. https://doi.org/10.1109/InGARSS48198.2020.9358965.

Supplementary files

Supplementary Files
Action
1. JATS XML
2.

Download (3MB)
3.

Download (1MB)
4.

Download (3MB)
5.

Download (2MB)
6.

Download (4MB)
7.

Download (1MB)
8.

Download (123KB)
9.

Download (273KB)

Copyright (c) 2023 П.Г. Илюшина, А.Н. Шихов, О.М. Макарьева

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».