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

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.

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: Сбор- ник статей по материалам VI Всероссийской научной конференции. Санкт-Петербург: Российский государственный педагогический университет им. А.И. Гер- цена. 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.

7. https://doi.org/10.31857/S0435428121030093

8. Пупышева М.А., Бляхарчук Т.А. (2024) Реконструкция голоценовой истории палеопожаров в среднетаежной подзоне Западной Сибири по данным макроу- голькового анализа озерных отложений. Геосферные исследования. № 1. С. 135–151. https://doi.org/10.17223/25421379/30/8

9. 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.

10. Санников С.Н., Санникова Н.С., Петрова И.В. (2012) Очерки по теории лесной популяционной биологии. Екатеринбург: УрО РАН. Бот. сад.277 с.

11. Седых В.Н. (2009) Лесообразовательный процесс. Новосибирск: Наука. Сибирское отделение. 164 с.

12. Сухомилова В.В. (2013) Пожары в природе как биосферное явление. Биробиджан: Амурск. гос. ун-т. Биро- биджанский филиал. 250 с.

13. Фуряев В.В. (1996) Роль пожаров в процессе лесообразования. Новосибирск: Наука. Сибирское отделение. 253 с.

14. Чибилев А.А. Вельмовский П.В., Кин Н.О. и др. (2008) Бузулукский бор. Екатеринбург: Уральское отделение РАН. 186 с.

15. 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

16. 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

17. Bond W.J., Woodward F.I., Midgley G.F. (2005) The glob- al 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

18. 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

19. 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 Nation- al Academy of Sciences USA. Vol. 112. P. 13261–13266. https://doi.org/10.1073/pnas.1500796112

20. 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

21. Connor S., Ross S., Sobotkova A. et al. (2013) Environmental conditions in the SE Balkans since the Last Glacial Maxi- mum 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

22. Dellasala D., Hanson C. (2015) The Ecological Importance of Mixed-Severity Fires: Nature’s Phoenix. NY: Elsevier Inc. 409 p.

23. Ferreira T., Rasband W. ImageJ User Guide. ImageJ Wiki. [Electronic data]. URL: https://imagej.net/ij/docs/guide/ (Access date: 24.04.2024).

24. 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

25. Feurdean A., Vachula R.S., Hanganu D. et al. (2023) Char- coal 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

26. 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).

27. 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

28. 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

29. 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

30. Higuera P. (2009) CharAnalysis 0.9: Diagnostic and Analyti- cal Tools for Sediment Charcoal Analysis (User´s Guide). Bozeman, MT: Montana State Univ. 32 p.

31. 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

32. 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

33. 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 Can- ada. Quat. Sci. Rev. Vol. 295. P. 1–15. https://doi.org/10.1016/j.quascirev.2022.107780

34. 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

35. 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

36. 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).

37. 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

38. 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

39. 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

40. 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

41. 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

42. 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.

43. Słowiński M., Lamentowicz M., Łuców D. et al. (2019) Pal- eoecological 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

44. Słowiński M., Obremska M., Avirmed D. et al. (2022). Fires, Vegetation, and Human – The History of Critical Tran- sitions During the Last 1000 Years in Northeastern Mon- golia. Sci. Total Environ. Vol. 383. Part 1. 155660. https://doi.org/10.2139/ssrn.4043617

45. Snitker G. (2020) The Charcoal Quantification Tool (CharTool): A Suite of Open-source Tools for Quantifying Charcoal Fragments and Sediment Properties in Archae- ological and Paleoecological Analysis. Ethnobiology Let- ters. Vol. 11. P. 103–115. https://doi.org/10.14237/ebl.11.1.2020.1653

46. 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

47. 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

48. Wickham H., François R., Henry L. et al. Dplyr: A Grammar of Data Manipulation – R package version 1.1.4. [Elec- tronic data]. URL: https://github.com/tidyverse/dplyr/ (Access date: 24.04.2024).

49. Wijffels J., von Gioi G. (2017) image.ContourDetector: im- age.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).

50. 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

51. Zeileis A., Grothendieck G. (2005) Zoo: S3 Infrastructure for Regular and Irregular Time Series. J. of Statistical Soft- ware. Vol. 14. Iss. 6. P. 1–27. https://doi.org/10.18637/jss.v014.i06