Везде

ОНЗ Геоморфология и палеогеография Geomorphology and Paleogeography

  • ISSN (Print) 2949-1789
  • ISSN (Online) 2949-1797

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

Вы можете
Код статьи
S29491797S2949178925020118-1
DOI
10.7868/S2949179725020118
Тип публикации
Статья
Статус публикации
Опубликовано
Авторы
Шатунов А.Е.
  • Аффилиация: Институт географии РАН
Мазей Н.Г.
  • Аффилиация: Московский государственный университет имени М. В. Ломоносова
Новенко Е.Ю.
  • Аффилиация: Институт географии РАН
Том/ Выпуск
Том 56 / Номер выпуска 2
Страницы
341-354
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, R = 0.71, MAPE = 31.58% (средняя абсолютная ошибка, выраженная в процентах), сравнение определения площади частиц выявило R = 0.99, R = 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.
Ключевые слова
макрочастицы угля автоматический подсчет размеры углей площади углей морфотипы углей палеопожары травяной уголь древесный уголь межпожарный интервал частота пожаров
Дата публикации
10.01.2025
Год выхода
2025
Всего подписок
0
Всего просмотров
13

Библиография

  1. 1. 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
  2. 2. 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
  3. 3. 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
  4. 4. 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
  5. 5. 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
  6. 6. 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
  7. 7. 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
  8. 8. Dellasala D., Hanson C. (2015) The Ecological Importance of Mixed-Severity Fires: Nature’s Phoenix. NY: Elsevier Inc. 409 p.
  9. 9. Ferreira T., Rasband W. ImageJ User Guide. ImageJ Wiki. [Electronic data]. Access way: https://imagej.net/ij/docs/guide/ (Access date: 24.04.2024).
  10. 10. 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
  11. 11. 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
  12. 12. Finsinger W., Bonnici I. Tapas: An R package to perform trend and peaks analysis. Github.com. [Electronic data]. Access way: https://github.com/wfinsinger/tapas (Access date: 24.04.2024).
  13. 13. Finsinger W., Morales-Molino C., Gatka 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
  14. 14. 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, Australia. Quat. Sci. Rev. Vol. 122. P. 222–232. https://doi.org/10.1016/j.quascirev.2015.05.002
  15. 15. Furyaev V.B. (1996) Rol' pozharov v protessee lessobrazovaniya (The role of fires in the process of forest formation). Novosibirsk: Nauka. Sibirskoe otdelenie (Publ.). 253 p. (in Russ).
  16. 16. 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
  17. 17. Higuera P. (2009) CharAnalysis 0.9: Diagnostic and Analytical Tools for Sediment Charcoal Analysis (User’s Guide). Bozeman, MT: Montana State Univ. 32 p.
  18. 18. Klimentyev A.I. (2010) Buzulukskii bor: pochvy, landshafty i faktory geograficheskoi sredy (Buzuluksky boron: soils, landscapes and factors of geographical environment). Ekaterinburg: Typography "Ural Centre for Academic Service" (Publ.). 401 p. (in Russ).
  19. 19. 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
  20. 20. Kupriyanov D.A., Novenko E.Yu. (2021) Reconstruction of the history of forest fires in the Southern part of the Mordovian Reserve in the Holocene according to the data of analysis of macroscopic coal particles in peat. Trudy Mordovskogo gosudarstvennogo prirodnogo zapovednika im. P.G. Smidovicha. No. 26: 176–192 (in Russ.).
  21. 21. Lesitenne 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
  22. 22. 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
  23. 23. 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
  24. 24. 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
  25. 25. Mooney S., Tinner W. (2011) The analysis of charcoal in peat and organic sediments. Mires and Peat. Vol. 7. P. 1–18.
  26. 26. Müller K., Wickham H. Tibble: Simple Data Frames [Electronic data]. Access way: https://github.com/tidyverse/tibble/ (Access date: 24.04.2024).
  27. 27. 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 Nahuellotta Coastal Range, Chile. Forests. Vol. 14. P. 1–26. https://doi.org/10.3390/f14061082
  28. 28. 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
  29. 29. Nesterova M.I., Ryabogina N.E. (2022) Dynamics of forest fires in the vicinity of Tyumen during 9000 years. In: Dinamika ekosistem v goldstene: Sbornik statel po materialam VI vserossiiskoi nauchnoi konferentsii. Sankt-Peterburg: Rossiiskii gosudarstvennyi pedagogicheskii universitet im. A.I. Gertsena (Publ.). P. 495–499 (in Russ).
  30. 30. Nigamatzyanova G.R., Frolova L.A., Nigmatullin N.M. et al. (2023) Vegetation and climate changes in the Southern Urals in the Late Glacial and Holocene derived from pollen record of Lake Bolshoe Miassovo. Geomorphologiya i Paleogeografiya. Vol. 54. No. 4. P. 179–194 (in Russ). https://doi.org/10.31857/S2949178923040060
  31. 31. Novenko E.Yu. (2021) Landscape and climate dynamics in central and eastern Europe in the Holocene – forecast estimates of changes in the natural environment. Geomorphologiya. No. 3. P. 24–47 (in Russ). https://doi.org/10.31857/S0435428121030093
  32. 32. 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
  33. 33. Pupysheva M.A., Blyakharchuk T.A. (2024) Reconstruction of the Holocene palaeofire history in the middle taiga subzone of Western Siberia based on the data of macroangular analysis of lake sediments. Geosfernye issledovaniya. No. 1. P. 135–151 (in Russ). https://doi.org/10.17223/25421379/30/8
  34. 34. 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
  35. 35. Rogozin D.Y., Burdin L.A., Bolobanshchikova G.N. (2023) Coal macroparticles in the upper layers of lake bottom sediments of the North Minusinski Basin (southern Siberia) as an indicator of fire dynamics in the surrounding area. Zhurnal Sibirskogo federal'nogo universiteta. Seriya: Biologiya. No. 2. P. 252–266 (in Russ).
  36. 36. 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
  37. 37. 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.
  38. 38. Sannikov S.N.N., Sannikova N.S., Petrova I.V. (2012) Ocherki po teorii lesnoi populyatsionnoi biologii (Essays on the theory of forest population biology). Ekaterinburg: UrO RAN. Bot. sad. (Publ.). 277 p. (in Russ.).
  39. 39. Sedykh V.N. (2009) Lesoobrazovatel'nyi protsess (Forest formation process). Novosibirsk: Nauka. Sibirskoe otdelenie (Publ.). 164 p. (in Russ.).
  40. 40. Slowinski M., Lamentowicz M., Luców D. et al. (2019) Paleoecological and historical data as an important tool in ecosystem management. J. Environ. Manage. Vol. 236. P. 755–768. https://doi.org/10.1016/j.jenvman.2019.02.002
  41. 41. Slowinski 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
  42. 42. 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
  43. 43. Sukhomilova V.V. (2013) Pozhary v prirode kak biosfernoe yavlenie (Fires in nature as a biospheric phenomenon). Birobidzhan: Amursk. gos. un-t. Birobidzhanskiy filial (Publ.). 250 p. (in Russ.).
  44. 44. 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., Paleoclimatol., Palaeoecol. Vol. 508. P. 166–175. https://doi.org/10.1016/j.palaeo.2018.07.032
  45. 45. 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
  46. 46. Vygodsky M.Y. (1975) Handbook of elementary mathematics. Moscow: Physmatlit (Publ.). 412 p.
  47. 47. Wickham H., François R., Henry L. et al. Dplyr: A Grammar of Data Manipulation – R package version 1.1.4. [Electronic data]. Access way: https://github.com/tidyverse/dplyr/ (Access date: 24.04.2024).
  48. 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]. Access way: https://github.com/bnosac/image/ (Access date: 24.04.2024).
  49. 49. Zabel N.A., Soliguin A.M., Wiklund J.A et al. (2022) Paleolimnological assessment of past hydro-ecological variation at a shallow hardware 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. 50. Zeileis A., Grothendieck G. (2005) Zoo: S3 Infrastructure for Regular and Irregular Time Series. J. of Stat. Software. Vol. 14. Iss. 6. P. 1–27. https://doi.org/10.18637/jss.v014.i06
QR
Перевести

Индексирование

Scopus

Scopus

Scopus

Crossref

Scopus

Высшая аттестационная комиссия

При Министерстве образования и науки Российской Федерации

Scopus

Научная электронная библиотека