Аннотация: Предметом исследования является геокриологическая обстановка участка, расположенного на окраине города Норильск, вблизи зоны шлаковых отвалов Никелевого завода. Изучаемая территория представляет собой прямоугольную область размером примерно 600 на 1000 метров. Основная задача исследования состоит в оценке пространственного распределения физических свойств мерзлых пород в пределах разреза. Разрез изучается посредством геофизических методов до глубин вплоть до пятнадцати метров, а апробация данных достигается данными скважин, достигающих в среднем до глубины пятнадцати метров, причём глубина до забоя одной скважины достигает 20 метров. Полученные данные разрозненны и имеют неоднородный характер, что создаёт необходимость применения методов интерполяции для формирования непрерывных моделей распределения геофизических параметров.
Рассматриваются существующие алгоритмы интерполяции, включая трёхмерный байесовский подход с настройкой радиуса поиска, количества соседей и типа ковариационной функции. Такой подход позволяет учитывать изменчивость свойств грунтов и повышать точность пространственных моделей. Таким образом, исследование направлено на адаптацию методов интерполяции для достоверного моделирования геокриологических условий.    Для анализа используются геофизические и статистические методы, реализуемые в ArcGIS Pro. Интерполяция проводится с использованием байесовского эмпирического метода, после чего полученная модель изучается на предмет достоверности. Заверка выполняется сравнением с данными бурения и геоморфологического исследования. Основные выводы исследования: разработана методика, которая объединяет данные, полученные из геофизических исследований, и методы статистической обработки для моделирования свойств мерзлых пород. Это показало, что трёхмерный подход помогает лучше описывать изменчивость среды и повышать точность моделей, что подтверждается данными бурения. Так, мощность сезонно-талого слоя по геофизическим данным подтвердилась в каждой из скважин, а изменчивость прослеживается в соответсвии с геоморфологическими и литологическими особенностями территории.
Произведена адаптация трёхмерного статистического метода, Байосовского кригинга 3D в частности, к условиям многолетней мерзлоты. Изучено влияние таких параметров как: тип ковариационной функции, масштаб поднаборов данных, количество соседей и радиус поиска. В рамках исследуемой территории впервые проанализирована эффективность применения эмпирического кригинга, как метода интерполяции.
Полученные данные имеют прикладное значение для обоснования инфраструктурных проектов и рационального использования природных ресурсов исследуемой территории.

Abstract: This study examines the geocryological environment of a site near Norilsk’s Nickel Plant slag dump. The rectangular area spans 600 by 1000 meters. The goal is to assess permafrost properties within the geological section. The section is analyzed using geophysical methods to depths of 15 meters, with data validation through boreholes averaging 15 meters, one reaching 20 meters. Sparse and heterogeneous data necessitate interpolation for continuous models. Interpolation algorithms, including a three-dimensional Bayesian approach, were used with parameter tuning for search radius, neighbors, and covariance function type. This approach accounts for soil property variability and improves spatial model accuracy. The study adapts methods for reliable geocryological modeling. Analysis uses ArcGIS Pro, employing the empirical Bayesian method with validation through borehole and geomorphological data. Key conclusions include a methodology integrating geophysical investigations and statistical processing for permafrost modeling. The three-dimensional approach better captures environmental variability and enhances accuracy, confirmed by borehole data. For instance, the seasonally thawed layer’s thickness identified through geophysics aligns with geomorphological and lithological features.
A three-dimensional method, Bayesian Kriging 3D, was adapted for permafrost conditions. Parameters like covariance function type, partitioning scale, and neighbors were studied. This is the first evaluation of empirical Kriging’s effectiveness in this area. The results support infrastructure planning and resource management, demonstrating advanced geostatistical techniques’ applicability for Arctic permafrost modeling.