Продуктивность лесных экосистем в зависимости от экологических условий произрастания

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Предлагается метод оценки биологической продуктивности лесных экосистем, позволяющий преодолеть недостатки, присущие традиционному методу, не учитывающему значительную статистическую неоднородность древостоев по ряду морфометрических параметров, изменяющихся в процессе развития лесной экосистемы. При разработке метода использовались концепции и средства теории стационарных случайных функций. Центральной идеей предлагаемого метода является понятие гипотетического среднего дерева, характеризующего рост чистого древостоя на основных стадиях его развития. Итоговым результатом такого методического подхода является индекс биопродуктивности древостоя, дающий количественную оценку биопродуктивности и позволяющий сравнивать биопродуктивность чистых древостоев, произрастающих в различных климатогеографических условиях. Практическое применение метода рассматривается на примере древостоев пихты сибирской (Abies sibirica Ledeb.). Дается оценка относительной погрешности индекса биопродуктивности древостоя пихты. Осуществлена валидация метода на основе выявления корреляционных зависимостей между индексом биопродуктивности древостоев пихты и экологическими оценками местообитаний, полученными с использованием фитоиндикаторных свойств напочвенного покрова.

Полный текст

Доступ закрыт

Об авторах

С. И. Тарасов

Институт биологии Коми научного центра Уральского отделения РАН

Автор, ответственный за переписку.
Email: tarasov@ib.komisc.ru
Россия, Коммунистическая, 28, Сыктывкар, 167982

Н. В. Герлинг

Институт биологии Коми научного центра Уральского отделения РАН

Email: gerling@ib.komisc.ru
Россия, Коммунистическая, 28, Сыктывкар, 167982

Список литературы

  1. Алексеев А.С., 1992. Балансовая модель продукционного процесса в лесной экосистеме // Экология. № 2. С. 35–40.
  2. Алексеев В.В., Крышев И.И., Сазыкина Т.Г., 1992. Физическое и математическое моделирование экосистем. СПб.: Гидометеоиздат. 368 с.
  3. Атлас почв Республики Коми, 2010. Сыктывкар: Ин-т биологии, Коми науч. центр УрО РАН. 356 с.
  4. Атлас Республики Коми по климату и гидрологии, 1997. М.: Дрофа. 116 с.
  5. Базилевич Н.И., Гребенщиков О.С., Тишков А.А., 1986. Географические закономерности структуры и функционирования экосистем. М.: Наука. 297 с.
  6. Базыкин А.Д., 2003. Нелинейная динамика взаимодействующих популяций. М.; Ижевск: Институт компьютерных исследований. 368 с.
  7. Бузыкин А.И., Гавриков В.Л., Секретенко О.П., Xлебопрос Р.Г., 1985. Анализ структуры древесных ценозов. Новосибирск: Наука. 94 с.
  8. Виноградов Б.В., 1964. Растительные индикаторы и их использование при изучении природных ресурсов. М.: Высш. шк. 328 с.
  9. Гавриков В.Л., 2013. Рост леса: уровни описания и моделирования. Красноярск: Сиб. федер. ун-т. 176 с.
  10. Должанский А.М., Бондаренко О.А., Петлёваный Е.А., 2017. Влияние вида средней взвешенной оценки на зависимость комплексного показателя качества от параметров объекта // Приборы и методы измерений. Т. 8. № 4. С. 398–407.
  11. Исаев А.С., Суховольский В.Г., Хлебопрос Р.Г., Бузыкин А.И., Овчинникова Т.М., 2005. Моделирование лесообразовательного процесса: феноменологический подход // Лесоведение. № 1. С. 3–11.
  12. Лотов А.В., Поспелова И.И., 2014. Конспект лекций по теории и методам многокритериальной оптимизации. М. http://www.ccas.ru/mmes/mmeda/Lotov&Posp.pdf
  13. Мамаев С.А., 1973. Формы внутривидовой изменчивости древесных растений (на примере семейства Pinaceae на Урале). М.: Наука. 283 с.
  14. Одум Ю., 1986. Экология. М.: Мир. Т. 1. 328 с.
  15. ОСТ 56-69-83, 1983. Пробные площади лесоустроительные. Метод закладки. М.: ЦБНТИ Гослесхоза СССР. 60 с.
  16. Полевая геоботаника, 1964. М.: Наука. Т. 3. 530 с.
  17. Суховольский В.Г., 2004. Экономика живого: Оптимизационный подход к описанию процессов в экологических сообществах и системах. Новосибирск: Наука. 140 с.
  18. Тарасов С.И., Герлинг Н.В., 2022. Оценка надземной биомассы Abies sibirica (Pinaceae) на Северо-Востоке европейской части России (Республика Коми) // Растительные ресурсы. Т. 58. № 4. С. 342–353.
  19. Толстова Ю.Н., 2000. Анализ социологических данных. Методология, дескриптивная статистика, изучение связей между номинальными признаками. М.: Научный мир. 352 с.
  20. Усольцев В.А., Залесов С.В., 2005. Методы определения биологической продуктивности насаждений. Екатеринбург: Урал. гос. лесотехн. ун-т. 147 с.
  21. Штойер Р., 1992. Многокритериальная оптимизация. Теория, вычисления и приложения. М.: Радио и связь. 504 с.
  22. Юдин Ю.П., 1954. Темнохвойные леса // Производительные силы Коми АССР. Т. 3. Ч. 1. Растительный мир. М.; Л.: Изд-во АН СССР. С. 42–126.
  23. Яглом А.М., 1981. Корреляционная теория стационарных случайных функций. Л.: Гидрометеоиздат. 280 с.
  24. Ecological Modeling in Risk Assessment: Chemical Effects on Populations, Ecosystems, and Landscapes, 2002 / Ed. Pastorok R.A., et al. Boca Raton: CRC Press LLC. 302 p.
  25. Kloeppel B.D., Harmon M.E., Fahey T.J., 2007. Estimating aboveground net primary productivity in forest-dominated ecosystems // Principles and Standards for Measuring Primary Production / Eds Fahey T.J., Knapp A.K. N.-Y.: Oxford Univ. Press. P. 63–81.
  26. Koya P.R., Goshu A.T., 2013. Generalized mathematical model for biological growths // Open J. Model. Simul. V. 1. P. 42–53.
  27. Morganstein D., Marker D., 1997. Continuous quality improvement in statistical agencies // Measurement and Process Quality. N.-Y.: Wiley. P. 475–500.
  28. Newbould P.J., 1970. Methods for Estimating the Primary Production of Forests. Oxford: Blackwell Scientific. 62 p.
  29. Weiskittel A.R., Hann D.W., Kershaw J.A., Vanclay J.K., 2011. Forest Growth and Yield Modeling. N.-Y.: John Wiley & Sons Ltd. 415 p.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Динамика годовых приростов j-того дерева: 1 – доля годового прироста в надземной фитомассе дерева. 

Скачать (64KB)
Метаданные
3. Рис. 2. Ансамбль реализаций случайных функций, характеризующих прирост деревьев одной ступени толщины: 1, 2, 3, …, n – номер дерева или реализации случайной стационарной функции прироста.

Скачать (80KB)
Метаданные
4. Рис. 3. График регрессии   по ППП1: 1 – регрессия; 2 – наблюденные данные; 3 – предсказанные значения  , использованные для оценки индекса биопродуктивности.

Скачать (72KB)
Метаданные
5. Рис. 4. Графики регрессий R̂uᵢ= v(uᵢ), данные в соответствие опытным участкам.

Скачать (122KB)
Метаданные

© Российская академия наук, 2025