№ 3 (2023)

Казбекский семент отличается от смежных Центрального и Восточного сегментов мегасвода Большого Кавказа относительной суженностью основных зон и их широтной ориентировкой. Основные элементы сегмента – зоны Центральных поднятий, Северного и Южного крыльев. Зона Северного крыла делится на Внешнюю и Внутреннюю подзоны. Внешняя подзона Северного крыла включает: Алагир-Владикавказскую краевую цепь структурных ступеней, Дзагарисскую гряду поднятий, Тарскую наложенную впадину, Редантскую цепь грабенов, Фетхузскую гряду поднятий, Балтинский грабен и Восточную группу поперечных структурных ступеней. Во Внутреннюю подзону входят Гряда поднятий Скалистого хребта и Садонская шовная зона. Зона Центральных поднятий включает: Балкарскую группу блоков, грабен Верхнеурухской шовной зоны и Цея-Казбекское поднятие, к востоку от которого располагается Хевсуретская краевая седловина. К расположенной в пределах России части Зоны Южного крыла мегасвода относятся Мамисонская система прогибов и Рокская гряда поднятий. Применение оротектонического метода позволило выделить в пределах перечисленных региональных структур локальные структуры, большинство из которых разделены сбросами. Выделено три региональных шовных зоны. На севере Казбекского сегмента протягивается широкая и сложно построенная зона Владикавказского глубинного разлома. На южной границе Северного крыла расположена Садонская шовно-депрессионная зона с крупными надвигами в северном крыле. Западная часть Зоны Центральных поднятий пересекается Верхнеурухской шовно-депрессионной зоной, которая ответвляется от Садонской зоны. Полученные оригинальные данные, отсутствующие в стандартных материалах по геологической съемке, полезны для строительного проектирования и геоэкологии.

В результате мониторинговых наблюдений установлено, что повторяемость просадок на разных участках насыпи Северной железной дороги на перегоне Песец-Хановей в разные годы сопряжена с разными инженерно-геологическими условиями и ведущими криогенными процессами. Для выработки стратегии инженерной защиты трассе железной дороги требуется проведение специального геокриологического районирования территории, прилегающей к ней. Предложены критерии ранжирования участков с просадками насыпи по степени их опасности, которые разделены по пространственному и временному признакам. Выявлено, что долговременные изменения климата приводят к фоновому изменению геокриологических условий (прежде всего температурного режима горных пород), а экстремальные климатические события и переменные техногенные нагрузки вызывают активизацию или затухание криогенных процессов.

“Нетрадиционные” типы карста – редко встречающиеся и ограниченные в развитии на рассматриваемой территории типы карста. Установлено, что наряду с широким распространением сульфатного и карбонатного карста в регионе ограниченно развит кластокарст, карст известковых туфов, сульфидный, соляной карст и карст в мраморах. Для каждого из этих типов карста по составу карстующихся пород определены условия и факторы их развития. Наименее распространен в рассматриваемом регионе карст известковых туфов и карст в мраморах, наиболее – кластокарст. Нетрадиционные типы карста имеют как положительное, так и отрицательное практическое значение. Карст известковых туфов является самым примечательным и уникальным проявлением редкого типа карста рассматриваемого региона, представленный комплексным памятником природы – “Урочище Шумиловский водопад”. Отрицательное воздействие кластокарста на объекты экономики и жизнедеятельность человека соизмеримо с воздействием самого распространенного и опасного в регионе сульфатного карста, что должно учитываться при проектировании и строительстве новых зданий и инженерных сооружений. Соляной карст связан с искусственным выщелачиванием поваренной соли с целью ее добычи для производства кальцинированной соды, а сформированные при этом пустоты эксплуатируются как подземные хранилища нефтепродуктов. Поверхностные проявление сульфидного карста могут являться поисковым признаком новых медно-колчеданных месторождений.

5 сентября 2018 г. произошло самое сильное, из зарегистрированных за период инструментальных наблюдений, землетрясение на Урале в районе г. Катав-Ивановск Челябинской обл. с магнитудой M_L = 5.4. В октябре 2018 г. сотрудниками Института геофизики УрО РАН были организованы мониторинговые температурные и радоновые наблюдения. В рамках проведенных исследований показано, что закономерности поведения объемной активности радона (ОАР) при подготовке тектонического события, установленные для зоны субдукции (Южные Курилы), подтверждаются для Южно-Уральского региона. Отмеченные закономерности аномального поведения ОАР перед афтершоками в районе Катав-Ивановска характерны для зоны сжатия в зоне проведения радонового мониторинга. За период проведения температурных наблюдений с 28.11.2018 по 23.05.2019 г. зафиксировано увеличение температуры с градиентом 0.02°С в месяц. Выполнен анализ природных явлений, вызванных процессом подготовки землетрясения 2018 г. Установлено, что предполагаемые деформации сжатия проявились в гидрогеодинамическом поле по крайней мере за 10 лет до самого события. Приуроченность очагов землетрясений к выделенной асейсмичной зоне в границах Восточно-Европейской платформы Предуральского краевого прогиба и Башкирского антиклинория свидетельствует о наиболее вероятных местах проявления сейсмических событий. Созданная сеть мониторинга температуры и радона в эпицентральной зоне по наблюдениям за афтершоками показала возможность отслеживания процесса подготовки землетрясения.

Проблема загрязнения водных объектов тяжелыми металлами продолжает оставаться актуальной. Наиболее опасными загрязняющими веществами донных отложений являются металлы Hg, Cd, Zn, Pb, Cu, Cr, Co, Ni, Fe, Mn и As. Для систематизации исследований осуществлено ранжирование объектов, существенно различающихся по площадям, техногенным воздействиям и ландшафтным характеристикам. Объектом I ранга является чаша водохранилища с прилегающей к ней приводораздельной территорией с расположенными на ней городами и поселками, различными притоками, более мелкими элементами природного и природно-техногенного рельефа. Меньшими по площади, но не по роли в загрязнении водных объектов являются городские и поселковые агломерации, расположенные на побережьях водохранилищ и незарегулированных участках, на приводораздельных территориях. Определенную лепту в загрязнение/очищение привносят малые реки, которые могут способствовать поступлению как чистого, так и загрязненного иловатого материала в большие водотоки. Для различных по иерархии таксонов предлагаются различные площадные и временные режимы обследований. В представленной работе на основании экспериментальных исследований дана оценка загрязнения тяжелыми металлами донных отложений в пределах Верхневолжской системы: оз. Селигер, Иваньковское и Угличское водохранилища и участок Верхней Волги. Приводятся полученные на практике результаты исследований содержания (загрязнения) элементов – Cr, Co, Ni, Zn, Cd, Pb, As, Fe и Mn. Описаны или представлены ссылки на методики, использовавшиеся при проведении экспериментов. Представлена общая картина загрязнения и отмечены тенденции ее изменения в пространстве и во времени.

Одним из крупнейших нефтехимических предприятий Европы является ПАО “Нижнекамскнефтехим”. Первая промышленная продукция здесь была получена в 1967 г. Отходы производства размещаются в шламонакопителе и на полигоне отходов. Полигон функционирует с 1982 г., оборудован системами поверхностного и подземного дренажа, противофильтрационными завесами, двумя поясами наблюдательных скважин. В его пределах накоплено более 0.5 млн м³ преимущественно твердых отходов III–V классов опасности. Ресурсы полигона выработаны более чем на 80%. Его эксплуатация привела к существенному подъему уровня и загрязнению грунтовых вод, минерализация которых может достигать 12.75 г/л, а жесткость 73.9 ммоль/л. Данные негативные гидрогеоэкологические следствия обусловлены прежде всего усилением атмосферного питания грунтовых вод и активным взаимодействием атмосферных осадков с веществом отходов. На полигоне планируется реконструкция. Предполагается заключение отходов в водонепроницаемый резервуар, ограниченный искусственными геосинтетическими материалами с крайне низкими фильтрационными свойствами. Гидродинамическим и балансовым методами определены: величины инфильтрационного питания грунтовых вод в естественных и нарушенных условиях, производительность подземного дренажа; непрерывно формируемый объем загрязненных подземных вод, не перехватываемый дренажной системой, расход которых составляет 116.7 м³/сут; современный и прогнозный (постреконструкционный) водные балансы. Показано, что планируемая реконструкция должна привести к снижению уровня грунтовых вод и степени их загрязнения. При этом наиболее активно будет происходить снижение концентраций органических веществ, являющихся приоритетными загрязнителями.

В статье рассматриваются два способа классификации спутникового снимка Landsat-8 на примере ключевого участка Казанско-Вешенского песчаного массива Ростовской области. Первый способ – полуавтоматическая классификация растра с обучением (Semi-automatic classification (SC)); второй – нормализованный вегетационный индекс (NDVI). На снимке, согласно типологии по К.Н. Кулику, пески были отклассифицированны по степени зарастания естественной растительностью на открытые, слабозаросшие и заросшие. В отдельные классы были выделены кустарниковая и травянистая (вегетирующая) растительность, лесные культуры сосны, лиственные древостои. Проведен расчет оценки точности дешифрирования полученных картографических изображений по коэффициенту Каппа Коэна. Выполненное исследование необходимо для выявления наиболее достоверного метода дешифрирования выбранной местности. Полученная картосхема может использоваться для первичной оценки состояния фитоэкологических условий ландшафта территории песчаного массива. На основе картографических изображений путем установки в каждом классе от 70 до 100 точек и проверки их достоверности составлены матрицы ошибок, на основе которых рассчитана суммарная точность дешифрирования. Для полуавтоматической классификации она равна 80.7%, для NDVI – 74.3%. Коэффициент Каппа Коэна в полуавтоматической классификации с обучением составил 77.4%, NDVI – 70.5%. Разница в точности дешифрирования составила почти 7%. Таким образом, из рассмотренных способов классификации спутникового снимка наилучший результат получен при использовании полуавтоматической классификации с обучением.