Метод анализа макроскопических частиц угля в озерных и болотных отложениях по цифровому изображению для палеогеографических реконструкций

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Анализ макроскопических частиц угля в отложениях различного генезиса – один из наиболее распространенных подходов к реконструкции пожарных режимов в прошлом. Метод отличается большими затратами времени и труда исследователей, поскольку требует непрерывного отбора образцов из разреза и подсчета всех угольных частиц с линейными размерами более 125 мкм в образце фиксированного объема. В статье представлен разработанный нами автоматический метод подсчета макроскопических частиц угля с использованием анализа изображений, который легко воспроизводим, не требователен к технике, быстр, позволяет получить дополнительную палеоэкологическую информацию на основании изучения геометрических характеристик и площади частиц. Сравнение результатов, полученных путем стандартного ручного подсчета количества угольных частиц в тестовых образцах и определения количества частиц по изображению показало точность метода, достаточную для палеогеографических реконструкций: коэффициент корреляции Спирмена R = 0.85, R2 = 0.71, MAPE = 31.58% (средняя абсолютная ошибка, выраженная в процентах), сравнение определения площади частиц выявило R = 0.99, R2 = 0.98, MAPE = 21.45%. В качестве демонстрации возможностей разработанного метода в статье представлены результаты его применения по данным изучения болота Побочного (национальный парк “Бузулукский бор”, Оренбургская область). Были проанализированы 1000 образцов для 10 м отложений, накопившихся в течение 11.4 тыс. лет, обработано 6000 изображений. В результате анализа была определена не только скорость аккумуляции частиц угля, выявлены пожарные эпизоды и рассчитан межпожарный интервал, но и выполнена классификация частиц угля по морфотипам на травяной и древесный, а также оценены размеры угольных частиц, поступающих во время пожарных эпизодов, что позволило получить дополнительную палеоэкологическую информацию о пожарах в голоцене.

Об авторах

А. Е. Шатунов

Институт географии РАН

Автор, ответственный за переписку.
Email: toxavilli@yandex.ru
Москва, Россия

Н. Г. Мазей

Московский государственный университет имени М. В. Ломоносова, географический факультет

Email: natashamazei@mail.ru
Москва, Россия

Е. Ю. Новенко

Институт географии РАН

Email: lenanov@mail.ru
Москва, Россия

Список литературы

  1. Выгодский М.Я. (1975) Справочник по элементарной математике. М.: ФИЗМАТЛИТ. 412 с.
  2. Климентьев А.И. (2010) Бузулукский бор: почвы, ландшафты и факторы географической среды. Екатеринбург: Типография “Уральский центр академического обслуживания”. 401 с.
  3. Куприянов Д.А., Новенко Е.Ю. (2021) Реконструкция истории лесных пожаров в Южной части Мордовского заповедника в голоцене по данным анализа макроскопических частиц угля в торфе. Труды Мордовского государственного природного заповедника им. П.Г. Смидовича. № 26. С. 176–192.
  4. Нестерова М.И., Рябогина Н.Е. (2022) Динамика лесных пожаров в окрестностях Тюмени на протяжении 9000 лет. В сб.: Динамика экосистем в голоцене: Сборник статей по материалам VI Всероссийской научной конференции. Санкт-Петербург: Российский государственный педагогический университет им. А.И. Герцена. С. 495–499.
  5. Нигаматзянова Г.Р., Фролова Л.А., Нигматуллин Н.М. и др. (2023) Реконструкция растительности и климатических изменений позднеледниковья – голоцена Южного Урала на основе спорово-пыльцевого анализа донных отложений озера Большое Миассово. Геоморфология и палеогеография. Т. 54. № 4. С. 179–194. https://doi.org/10.31857/S2949178923040060
  6. Новенко Е.Ю. (2021) Динамика ландшафтов и климата в центральной и восточной Европе в голоцене – прогнозные оценки изменения природной среды. Геоморфология. № 3. С. 24–47. https://doi.org/10.31857/S0435428121030093
  7. Пупышева М.А., Бляхарчук Т.А. (2024) Реконструкция голоценовой истории палеопожаров в среднетаежной подзоне Западной Сибири по данным макроуголькового анализа озерных отложений. Геосферные исследования. № 1. С. 135–151. https://doi.org/10.17223/25421379/30/8
  8. Рогозин Д.Ю., Бурдин Л.А., Болобанщикова Г.Н. (2023) Угольные макрочастицы в верхних слоях донных отложений озёр Северо-Минусинской котловины (юг Сибири) как индикатор динамики пожаров на окружающей территории. Журнал Сибирского федерального университета. Серия: Биология. № 2. С. 252–266.
  9. Санников С.Н., Санникова Н.С., Петрова И.В. (2012) Очерки по теории лесной популяционной биологии. Екатеринбург: УрО РАН. Бот. сад.277 с.
  10. Седых В.Н. (2009) Лесообразовательный процесс. Новосибирск: Наука. Сибирское отделение. 164 с.
  11. Сухомилова В.В. (2013) Пожары в природе как биосферное явление. Биробиджан: Амурск. гос. ун-т. Биробиджанский филиал. 250 с.
  12. Фуряев В.В. (1996) Роль пожаров в процессе лесообразования. Новосибирск: Наука. Сибирское отделение. 253 с.
  13. Чибилев А.А. Вельмовский П.В., Кин Н.О. и др. (2008) Бузулукский бор. Екатеринбург: Уральское отделение РАН. 186 с.
  14. Baddeley A., Turner R. (2005) spatstat: An R Package for Analyzing Spatial Point Patterns. J. of Stat. Software. Vol. 12. No. 6. P. 1–42. https://doi.org/10.18637/jss.v012.i06
  15. Blaauw M., Christen J.A. (2011) Flexible paleoclimate age-depth models using an autoregressive gamma process. Bayesian Analysis. Vol. 6. No. 3. P. 457–474. https://doi.org/10.1214/11-BA618
  16. Bond W.J., Woodward F.I., Midgley G.F. (2005) The global distribution of ecosystems in a world without fire. New Phytol. Vol. 165. No. 2. P. 525–537. http://dx.doi.org/10.1111/j.1469-8137.2004.01252.x
  17. Bowman D.M.J.S., Balch J.K., Artaxo P. et al. (2009) Fire in the Earth System. Science. Vol. 324. P. 481–484. https://doi.org/10.1126/science.1163886.2009
  18. Calder W.J., Parker D., Stopka C.J. et al. (2015) Medieval warming initiated exceptionally large wildfire outbreaks in the Rocky Mountains. The Proceedings of the National Academy of Sciences USA. Vol. 112. P. 13261–13266. https://doi.org/10.1073/pnas.1500796112
  19. Conedera M., Tinner W., Neff C. et al. (2009) Reconstructing past fire regimes: Methods, applications, and relevance to fire management and conservation. Quat. Sci. Rev. Vol. 28. P. 555–576. https://doi.org/10.1016/j.quascirev.2008.11.005
  20. Connor S., Ross S., Sobotkova A. et al. (2013) Environmental conditions in the SE Balkans since the Last Glacial Maximum and their influence on the spread of agriculture into Europe. Quat. Sci. Rev. Vol. 68. P. 200–215. https://doi.org/10.1016/j.quascirev.2013.02.011
  21. Dellasala D., Hanson C. (2015) The Ecological Importance of Mixed-Severity Fires: Nature’s Phoenix. NY: Elsevier Inc. 409 p.
  22. Ferreira T., Rasband W. ImageJ User Guide. ImageJ Wiki. [Electronic data]. URL: https://imagej.net/ij/docs/guide/ (Access date: 24.04.2024).
  23. Feurdean A. (2021) Experimental production of charcoal morphologies to discriminate fuel source and fire type: an example from Siberian taiga. Biogeosciences. Vol. 18. P. 3805–3821. https://doi.org/10.5194/bg-18-3805-2021
  24. Feurdean A., Vachula R.S., Hanganu D. et al. (2023) Charcoal morphologies and morphometrics of a Eurasian grass-dominated system for robust interpretation of past fuel and fire type. Biogeosciences. Vol. 20. P. 5069–5085. https://doi.org/10.5194/bg-20-5069-2023
  25. Finsinger W., Bonnici I. Tapas: An R package to perform trend and peaks analysis. Github.com. [Electronic data]. URL: https://github.com/wfinsinger/tapas (Access date: 24.04.2024).
  26. Finsinger W., Morales-Molino C., Gałka M. et al. (2017) Holocene vegetation and fire dynamics at Crveni Potok, a small mire in the Dinaric Alps (Tara National Park, Serbia). Quat. Sci. Rev. Vol. 167. P. 63–77. https://doi.org/10.1016/j.quascirev.2017.04.032
  27. Fletcher M., Benson A., Heijnis H. et al. (2015) Changes in biomass burning mark the onset of a ENSO-influenced climate regime at 42 S in southwest Tasmania, Australi. Quat. Sci. Rev. Vol. 122. P. 222–232. https://doi.org/10.1016/j.quascirev.2015.05.002
  28. Halsall K.M., Ellingsen V.M., Asplund J. et al. (2018) Fossil charcoal quantification using manual and image analysis approaches. The Holocene. Vol. 28. Iss. 8. P. 1345–1353. https://doi.org/10.1177/0959683618771488
  29. Higuera P. (2009) CharAnalysis 0.9: Diagnostic and Analytical Tools for Sediment Charcoal Analysis (User´s Guide). Bozeman, MT: Montana State Univ. 32 p.
  30. Kremenetski C.V., Boettger T., Junge F.W. et al. (1999) Late- and postglacial environment of the Buzuluk area, middle Volga region, Russia. Quat. Sci. Rev. Vol. 18. P. 1185–1203 https://doi.org/10.1016/S0277-3791(98)00074-2
  31. Lestienne M., Hely C., Curt T. et al. (2020) Combining the Monthly Drought Code and Paleoecological Data to Assess Holocene Climate Impact on Mediterranean Fire Regime. Fire. Vol. 3. Iss. 2. No. 8. P. 1–22. https://doi.org/10.3390/fire3020008
  32. Lesven J., Druguet D.M., Borne R. et al. (2022) Testing a new automated macrocharcoal detection method applied to a transect of lacustrine sediment cores in eastern Canada. Quat. Sci. Rev. Vol. 295. P. 1–15. https://doi.org/10.1016/j.quascirev.2022.107780
  33. Leys B., Carcaillet C., Dezileau L. et al. (2013) A comparison of charcoal measurements for reconstruction of Mediterranean paleo-fire frequency in the mountains of Corsica. Quat. Res. Vol. 79. P. 337–349. https://doi.org/10.1016/j.yqres.2013.01.003
  34. Luelmo-Lautenschlaeger R., Blarquez O., Perez-Diaz S. et al. (2019) The Iberian Peninsula’s Burning Heart – Long-Term Fire History in the Toledo Mountains (Central Spain). Fire. Vol. 2. Iss. 4. No. 54. P. 1–23. https://doi.org/10.3390/fire2040054
  35. Mooney S., Tinner W. (2011) The analysis of charcoal in peat and organic sediments. Mires and Peat. Vol. 7. P. 1–18. Müller K., Wickham H. tibble: Simple Data Frames [Electronic data]. URL: https://github.com/tidyverse/tibble/ (Access date: 24.04.2024).
  36. Munoz A.A., Gonzalez M.E., Schneider-Valenzuela I. et al. (2023) Multiproxy Approach to Reconstruct the Fire History of Araucaria araucana Forests in the Nahuelbuta Coastal Range, Chile. Forests. Vol. 14. P. 1–26. https://doi.org/10.3390/f14061082
  37. Mustaphi C.J., Pisaric M.F.J. (2018) Forest vegetation change and disturbance interactions over the past 7500 years at Sasquatch Lake, Columbia Mountains, western Canada. Quat. Int. Vol. 488. P. 95–106. https://doi.org/10.1016/j.quaint.2017.03.045
  38. Otsu N. (1979) A Threshold Selection Method from Gray-Level Histograms. IEEE Transactions on Systems, Man, and Cybernetics. Vol. 9. Iss. 1. P. 62–66. https://doi.org/10.1109/TSMC.1979.4310076
  39. Rehn E., Rehn A., Possemiers A. (2019) Fossil charcoal particle identification and classification by two convolutional neural networks. Quat. Sci. Rev. Vol. 226. P. 1–6. https://doi.org/10.1016/j.quascirev.2019.106038
  40. Rudaya N., Xianyong C., Snezhana Z. et al. (2020) Postglacial history of the Steppe Altai: Climate, fire and plant diversity. Quat. Sci. Rev. Vol. 249. P. 1–20. https://doi.org/10.1016/j.quascirev.2020.106616
  41. Sannikov S.N. Goldammer J.G. (1996) Fire ecology of pine forests of Northern Eurasia. In: Fire in ecosystems of boreal Eurasia. KLUWER: Springer Science+Business Media B.V. Formerly Kluwer Academic Publishers B.V. P. 151–167.
  42. Słowiński M., Lamentowicz M., Łuców D. et al. (2019) Paleoecological and historical data as an important tool in ecosystem management. J. Environ. Manage. Vol. 236. Р. 755–768. https://doi.org/10.1016/j.jenvman.2019.02.002
  43. Słowiński M., Obremska M., Avirmed D. et al. (2022). Fires, Vegetation, and Human – The History of Critical Transitions During the Last 1000 Years in Northeastern Mongolia. Sci. Total Environ. Vol. 383. Part 1. 155660. https://doi.org/10.2139/ssrn.4043617
  44. Snitker G. (2020) The Charcoal Quantification Tool (CharTool): A Suite of Open-source Tools for Quantifying Charcoal Fragments and Sediment Properties in Archaeological and Paleoecological Analysis. Ethnobiology Letters. Vol. 11. P. 103–115. https://doi.org/10.14237/ebl.11.1.2020.1653
  45. Vachula R.S., Russell J.M., Huang Y. et al. (2018) Assessing the spatial fidelity of sedimentary charcoal size fractions as fire history proxies with a high-resolution sediment record and historical data. Palaeogeogr., Palaeoclimatol., Palaeoecol. Vol. 508. P. 166–175. https://doi.org/10.1016/j.palaeo.2018.07.032
  46. Vachula R.S., Sae-Lim J., Li R. (2021) A critical appraisal of charcoal morphometry as a paleofire fuel type proxy. Quat. Sci. Rev. Vol. 262. P. 1–11. https://doi.org/10.1016/j.quascirev.2021.106979
  47. Wickham H., François R., Henry L. et al. Dplyr: A Grammar of Data Manipulation – R package version 1.1.4. [Electronic data]. URL: https://github.com/tidyverse/dplyr/ (Access date: 24.04.2024).
  48. Wijffels J., von Gioi G. (2017) image.ContourDetector: image.ContourDetector: an R package to detect contour lines in images – R package version 0.1.0. [Electronic data]. URL: https://github.com/bnosac/image/ (Access date: 24.04.2024).
  49. Zabel N.A., Soliguin A.M., Wiklund J.A. et al. (2022) Paleolimnological assessment of past hydro-ecological variation at a shallow hardwater lake in the Athabasca Oil Sands Region before potential onset of industrial development. J. of Hydrology: Region. Studies. Vol. 39. 100977. https://doi.org/10.1016/j.ejrh.2021.100977
  50. Zeileis A., Grothendieck G. (2005) Zoo: S3 Infrastructure for Regular and Irregular Time Series. J. of Statistical Software. Vol. 14. Iss. 6. P. 1–27. https://doi.org/10.18637/jss.v014.i06

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Российская академия наук, 2025

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».