Разработка позволяет прогнозировать вероятность возникновения загрязнений окружающей среды, основываясь на данных о различных экологических факторах и их взаимозависимости.
Интенсификация развития сельского хозяйства, необходимая для относительно быстрого обеспечения страны важными пищевыми продуктами, неразрывно связана с увеличением объемов органических веществ, обращающихся в окружающей среде, как за счет активного использования органических удобрений в агротехнике, так и депонирования органических соединений в составе отходов, формируемых животноводческими и птицеводческими комплексами и фермерскими хозяйствами.
Таким образом, помимо экономических продуктов, современные агротехнические, животноводческие и птицеводческие комплексы неизбежно выступают поставщиками отходов в окружающую среду, которые содержат азот, фосфор и другие выводимые из организма животных и птиц вещества (например, антибиотики и тяжелые металлы, входящие в состав корма). Повышение количества этих веществ может привести к выделению в воздух вредных газов, к возникновению риска загрязнения подземных вод, водоемов за счет вымывания и стоков. Кроме того, помет содержит бактерии и другие патогенные микроорганизмы, которые также могут потенциально оказывать воздействие на почву, воду и продовольственные ресурсы.
Поэтому для сохранения экосистем в условиях интенсификации сельскохозяйственной деятельности необходимы надежные инструменты мониторинга различных экологических показателей. Эта работа осложняется тем, что многие негативные последствия от хозяйственной деятельности могут проявиться только спустя много лет.
«Мы разработали инструмент, который позволяет комплексно оценить долгосрочное влияние избыточного внесения различных органических соединений в природную экосистему. Для этого были использованы данные «естественного» эксперимента – результаты жизнедеятельности большой колонии серой цапли в искусственной лесопосадке», – рассказывает профессор кафедры радиотехнических систем СПбГЭТУ «ЛЭТИ» Михаил Богачев.
Исследование проводилось в тесной кооперации со специалистами Института экологии и природопользования Казанского федерального университета, которые исследовали зону регулярной лесопосадки сосны. На этой территории примерно в 2006 году обосновалась колония серой цапли, которая значительно увеличилась в численности в течение последующих 15 лет. Этот процесс привел к интенсивному отложению помета и, как следствие, значительному повышению концентрации ряда химических элементов, которые были в его составе: азота, фосфора, щелочных металлов. В результате этих процессов деревья постепенно переставали расти и усыхали на территории, занятой колонией, и птицы вынуждены были перемещаться на окружающие деревья, таким образом расширяя ареал загрязнения.
Ученые ЛЭТИ создали специальную математическую модель (байесовскую сеть), которая учитывает и связывает в сложную сеть взаимозависимых факторов различные типы данных о конкретной территории. В массиве данных модели информация о географии района, постепенном загрязнении экосистемы, динамике прироста деревьев (был использован метод дендрохронологии – датирование событий, основанное на изучении годичных колец деревьев), концентрации загрязнителей и жизнедеятельности организмов в почве, а также о многих других параметрах.
Разработка позволила восстановить ход событий на территории лесопосадок за последние 20 лет. Кроме того, предложенная модель показывает сложные взаимосвязи между факторами, которые привели к сокращению популяции деревьев и деградации экосистемы. Результаты исследования опубликованы в научном журнале Frontiers in Environmental Science.
«В предложенную модель можно загрузить данные о загрязнителях любой другой территории и составлять прогнозы развития ее экосистемы. Но речь идет не только о природных территориях. Например, таким образом можно оценивать влияние на окружающую среду при различных сценариях развития агротехнических и животноводческих комплексов в различных регионах России», - отмечает Михаил Богачев.
Данный проект является часть большой работы ученых ЛЭТИ в сфере создания программного обеспечения для изучения и прогнозирования экологических проблем различных территорий. Например, ранее исследователи научили нейросеть выявлять пораженные вредителями участки леса по снимкам с беспилотников.
Исследование выполнено при поддержке Российского научного фонда (проект № 22-76-10042).
