АЛМАТЫ ОБЛЫСЫ СУ ҚОЙМАЛАРЫНДАҒЫ ОПТИКАЛЫҚ БЕЛСЕНДІ КОМПОНЕНТТЕРДІ ҚАШЫҚТЫҚТАН БАҚЫЛАУ ӘДІСТЕРІНІҢ САЛЫСТЫРМАЛЫ ТАЛДАУЫ
DOI:
https://doi.org/10.54668/2789-6323-2026-121-1-24-42Кілт сөздер:
Оптикалық белсенді компоненттер, Сорбұлақ көлі, Су ластануы, атмосфералық ластану, Каспий теңізі, шекті рұқсат етілген концентрациялар (ШРК), ауа мониторингі, күкіртсутек, өнеркәсіптік шығарындылар., Ұшқышсыз ұшу аппараты (ҰҰА)Аңдатпа
Бұл жұмыста Сорбұлақ көлі мен Қапшағай су қоймасына жүргізілген далалық экспедициялар барысында жиналған деректер жиынтығы сипатталған. Аталған су айдындарының жағалау аймағында мультиспектралды камерамен жабдықталған ұшқышсыз ұшу аппараты (ҰҰА) көмегімен әуе түсірілімдері орындалды. Су бетінің және су айдындарындағы оптикалық белсенді компоненттердің болуын анықтауға арналған спектралдық индекстер есептеліп, картографияланды. Бұл мақсатта спутниктік өнімдер (MNDWI, NDCI, NDMI, NDWI, NDTI, WRI) және ҰҰА арқылы алынған бейнелер (NDWI, NDCI, WRI, NDTI) пайдаланылды. Су айдындарының оптикалық белсенді компоненттермен (судың лайлылығы және хлорофилл мөлшері) ластануын бағалау сапасы бойынша спутниктік суреттер мен ҰҰА суреттерін қолдану нәтижелері салыстырылды. Зерттеу нәтижелері Сорбұлақ көлі жағалау аймағының ластану деңгейі Қапшағай су қоймасына қарағанда бірнеше есе жоғары екенін көрсетті. ҰҰА шағын ауқымда жоғары детальділікке ие, уақыттық және кеңістіктік рұқсаттылығы жоғары мониторинг жүргізуге мүмкіндік береді. Дегенмен, ҰҰА-ға орнатылатын шағын мультиспектралды камералардың спектрлік арна саны шектеулі, сондай-ақ мониторинг ауқымы бойынша да шектеулер бар. Ал спутниктік мониторинг кең ауқымды қамтиды, тіпті спутниктік өнімдердің тегін нұсқасында да спектрлік арналар саны көп, бірақ кеңістіктік және уақыттық рұқсаттылығы айтарлықтай төмен. Осы екі технологияның артықшылықтарын үйлестіре пайдалану ірі су айдындарын қарқынды антропогендік әсер аймақтарында тиімді әрі жедел мониторинг жүргізудің сапасын арттыра алады.
References
Albrekht V., Mukhamediev R.I., Popova Y., Muhamedijeva E., Botaibekov A. Top2Vec Topic Modeling to Analyze the Dynamics of Publication Activity Related to Environmental Monitoring Using Unmanned Aerial Vehicles // Publications. – 2025. – Vol. 13(2). – P. 15. – DOI: https://doi.org/10.3390/publications13020015.
Li B., et al. Three-dimensional diffusion patterns of traffic-related air pollutants on the roadside based on unmanned aerial vehicles monitoring // Building and Environment. – 2022. – Vol. 219. – P. 109159. – URL: https://www.sciencedirect.com/science/article/abs/pii/S0360132322003961
Hemamalini R.R., et al. Air quality monitoring and forecasting using smart drones and recurrent neural network for sustainable development in Chennai city // Sustainable Cities and Society. – 2022. – Vol. 85. – P. 104077. – URL: https://www.sciencedirect.com/science/article/abs/pii/S221067072200395X
Arroyo P., et al. Electrochemical gas sensing module combined with unmanned aerial vehicles for air quality monitoring // Sensors and Actuators B: Chemical. – 2022. – Vol. 364. – P. 131815. – URL: https://www.sciencedirect.com/science/article/pii/S0925400522004579
Cozma A., et al. Autonomous Multi-Rotor Aerial Platform for Air Pollution Monitoring // Sensors. – 2022. – Vol. 22, № 3. – P. 860. – URL: https://www.mdpi.com/1424-8220/22/3/860.
De Fazio R., et al. A sensor-based drone for pollutants detection in eco-friendly cities: Hardware design and data analysis application // Electronics. – 2021. – Vol. 11, № 1. – P. 52.
Jiang Y., et al. Identification of the atmospheric boundary layer structure through vertical distribution of PM2.5 obtained by unmanned aerial vehicle measurements // Atmospheric Environment. – 2022. – Vol. 278. – P. 119084. – URL: https://www.sciencedirect.com/science/article/abs/pii/S1352231022001492.
Liu X., et al. Quantification of multifactorial effects on particle distributions at urban neighborhood scale using machine learning and unmanned aerial vehicle measurement // Journal of Cleaner Production. – 2022. – Vol. 378. – P. 134494.
Li C., et al. Investigating the vertical distribution patterns of urban air pollution based on unmanned aerial vehicle gradient monitoring // Sustainable Cities and Society. – 2022. – Vol. 86. – P. 104144.
Sharma R., Arya R. UAV based long range environment monitoring system with Industry 5.0 perspectives for smart city infrastructure // Computers & Industrial Engineering. – 2022. – Vol. 168. – P. 108066.
Minea M., Dumitrescu C.M. Urban Traffic Noise Analysis Using UAV-Based Array of Microphones // Sensors. – 2023. – Vol. 23, № 4. – P. 1912. – URL: https://www.mdpi.com/1424-8220/23/4/1912.
Medvedev A., Telnova N., Alekseenko N., Koshkarev A., Kuznetchenko P., Asmaryan S., Narykov A. UAV-derived data application for environmental monitoring of the coastal area of Lake Sevan, Armenia with a changing water level // Remote Sensing. – 2020. – Vol. 12, № 22. – P. 3821. – URL: https://doi.org/10.3390/rs12223821.
Tenkouano G.T., Cumming B.F., Jamieson H.E. Geochemical and ecological changes within Moira Lake (Ontario, Canada): A legacy of industrial contamination and remediation // Environmental Pollution. – 2019. – Vol. 247. – P. 980–988. – DOI: 10.1016/j.envpol.2019.01.019
Chen J., Liu X., Chen J., Jin H., Wang T., Zhu W., Li L. Underestimated nutrient from aquaculture ponds to lake eutrophication: A case study on Taihu Lake Basin // Journal of Hydrology. – 2024. – Vol. 630. – P. 130749.
Muli J.R. Environmental problems of Lake Victoria (East Africa): what the international community can do // Lakes & Reservoirs: Research & Management. – 1996. – Vol. 2(1–2). – P. 47–53.
Watson S.B., Miller C., Arhonditsis G., Boyer G.L., Carmichael W., Charlton M.N., et al. The re-eutrophication of Lake Erie: Harmful algal blooms and hypoxia // Harmful Algae. – 2016. – Vol. 56. – P. 44–66.
Ramírez-Sánchez H.U., Fajardo-Montiel A.L. Assessment of water quality, ecological and health risks of inland water bodies in Mexico: A case study of Lake Chapala // Asian Journal of Environment & Ecology. – 2024. – Vol. 23(6). – P. 91–108.
Montero D., et al. A standardized catalogue of spectral indices to advance the use of remote sensing in Earth system research // Scientific Data. – 2023. – Vol. 10, № 1. – P. 197.
Mishra S., Mishra D.R. Normalized difference chlorophyll index: A novel model for remote estimation of chlorophyll-a concentration in turbid productive waters // Remote Sensing of Environment. – 2012. – Vol. 117. – P. 394–406.
Prasad A.D., et al. Remote sensing satellite data and spectral indices: an initial evaluation for the sustainable development of an urban area // Sustainable Water Resources Management. – 2022. – Vol. 8, № 1. – P. 19.
Yang Z., Reiter M., Munyei N. Estimation of chlorophyll-a concentrations in diverse water bodies using ratio-based NIR/Red indices // Remote Sensing Applications: Society and Environment. – 2017. – Vol. 6. – P. 52–58.
Nagaraj R., Kumar L.S. Extraction of surface water bodies using optical remote sensing images: A review // Earth Science Informatics. – 2024. – Vol. 17, № 2. – P. 893–956.
Laonamsai J., Julphunthong P., Saprathet T., Kimmany B., Ganchanasuragit T., Chomcheawchan P., Tomun N. Utilizing NDWI, MNDWI, SAVI, WRI, and AWEI for Estimating Erosion and Deposition in Ping River in Thailand // Hydrology. – 2023. – Vol. 10. – P. 70. – DOI: https://doi.org/10.3390/hydrology10030070.
Есырев О.В., Купчишин А.И., Костюк Т.П., Мухамеджанов Э.К., Ходарина Н.Н. Наличие тяжелых металлов в представителях флоры и фауны озера-накопителя Сорбулак // Актуальные проблемы экологии и здоровья человека: материалы конф. – 2015. – С. 74–77.
Озеро Сорбулак алматинская область // Байкал24 – Наука. – URL: https://baikal24-nauka.ru/ozero-sorbulak-almatinskaya-oblast (дата обращения: 08.08.2025).
Downloads
Жарияланды
How to Cite
Журналдың саны
Бөлім
License
Copyright (c) 2026 Фарида Абдолдина, Равиль Мухамедиев, Алексей Терехов, Валентин Смурыгин, Кирилл Гизатулин, Адильхан Сымагулов, Елена Мухамедиева
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
