GIS assessment of biotopes of the river part of the Sheksninsky reservoir and their use by zoobenthos

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

With the help of GIS technologies, the boundaries and areas of the deep-water zone, thickets of higher aquatic vegetation, and open water zones with different types of soils have been established in the river part of the Sheksninsky reservoir. Quantitative indicators and the composition of the dominant species of zoobenthos in each type of biotope are given. In the bays, the biomass of zoobenthos is lower than in similar biotopes in flowing areas along the ship’s passage. The weighted average biomass of zoobenthos is 3.9 g/m2. According to the level of development of zoobenthos, the reservoir belongs to the medium-sized.

About the authors

K. N. Ivicheva

Sankt-Petersburg branch of Federal Russian Research Institute of Fisheries and Oceanography

Email: ksenya.ivicheva@gmail.com
Sankt-Petersburg

I. V. Filonenko

Vologda branch of Federal Russian Research Institute of Fisheries and Oceanography

Vologda

A. S. Komarova

Papanin Institute for Biology of Inland Waters Russian Academy of Sciences

Borok, Yaroslavl oblast

References

  1. Атлас единой глубоководной системы Европейской части РФ. Т. 3. Ч. 2. Волго-Балтийский водный путь. От Онежского озера до Рыбинского водохранилища. М.: Росречфлот, 2004. 14 с. 53 л.
  2. Архипова О.Е. Изменение NDVI как индикатор экологического состояния ландшафтов прибрежной зоны Азовского моря // Экология. Экономика. Информатика. Серия: Геоинформационные технологии и космический мониторинг. 2023. Т. 2. № 8. С. 42-47. doi: 10.23885/2500-123X-2023-2-8-42-47
  3. Баканов А.И. Зообентос // Современное состояние экосистемы Шекснинского водохранилища. Ярославль: Изд-во ЯГТУ, 2002. С. 165-180.
  4. Выголова О.В. Макрозообентос Череповецкого водохранилища, его продукция и потребление рыбами. Автореф. дис. … канд. биол. наук. Л.: ГосНИОРХ, 1979. 28 с.
  5. Евдокимов С.И., Михалап С.Г. Определение физического смысла комбинаций каналов снимка LANDSAT для мониторинга состояния наземных и водных экосистем // Вестн. Псковского гос. ун-та “Естественные и физико-математические науки”. 2015. № 7. С. 21-32.
  6. Жариков В.В., Базаров К.Ю., Егидарев Е.Г. Использование данных дистанционного зондирования при картографировании подводных ландшафтов бухты Средней (залив Петра Великого, Японское море) // География и природ. ресурсы. 2017. № 2. С. 190-198. doi: 10.21782/GIPR0206-1619-2017-2(190-198)
  7. Ивичева К.Н., Филоненко И.В. Зообентос малых водохранилищ северного склона балтийско-каспийского водораздела Волго-Балтийского водного пути // Биология внутр. вод. 2023. №2. С. 224-232. doi: 10.31857/S0320965223020109
  8. Ивичева К.Н., Филоненко И.В. Инвазионные виды зообентоса на территории Вологодской области // Современные проблемы и перспективы развития рыбохозяйственного комплекса: материалы X междунар. науч.-практ конф. молодых ученых и специалистов. М.: Изд-во ВНИРО, 2022. С. 172-174.
  9. Ивичева К.Н., Филоненко И.В. Первая находка Branchiura sowerbyi Beddard, 1892 (Oligochaeta) в Шекснинском водохранилище (Верхняя Волга) // Рос. журн. биол. инвазий. 2023. Т. 16. № 1. С. 42-46. doi: 10.35885/1996-1499-16-1-42-46
  10. Кочеткова А.И., Брызгалина Е.С., Калюжная И.Ю., Сиротина С., Самотеева В.В., Ракшенко Е.П. Динамика зарастания Цимлянского водохранилища // Принципы экологии. 2018. № 1. С. 60-72. doi: 10.15393/j1.art.2018.7202
  11. Кочеткова А.И., Брызгалина Е.С., Филиппов О.В., Баранова М.С. Динамика зарастания Волгоградского водохранилища (1972-2018 гг.) // Принципы экологии. 2022. № 1. С. 68-73. doi: 10.15393/j1.art.2022.10002
  12. Литвинов А.С. Общие сведения о водохранилище. Современное состояние экосистемы Шекснинского водохранилища. Ярославль: Изд-во ЯГТУ, 2002. С. 5-9.
  13. Методические рекомендации по сбору и обработке материалов при гидробиологических исследованиях на пресноводных водоемах. Зообентос и его продукция. Л., 1983. 52 с.
  14. Папченков В.Г., Козловская О.И. Особенности зарастания водохранилища. Современное состояние экосистемы Шекснинского водохранилища. Ярославль: Изд-во ЯГТУ, 2002. С. 199-210.
  15. Перова С.Н. Таксономический состав и обилие макрозообентоса Рыбинского водохранилища в начале XXI века // Биология внутр. вод. 2012. № 2. С. 45-54. doi: 10.1134/S1995082912020125
  16. Перова С.Н., Пряничникова Е.Г., Жгарева Н.Н., Зубишина А.А. Таксономический состав и обилие макрозообентоса волжских водохранилищ // Тр. Ин-та биологии внутр. вод РАН. 2018. Вып. 82 (85). С. 52-66. doi: 10.24411/0320-3557-2018-10012
  17. Пидгайко М.Л., Александров Б.М., Иоффе Ц.И., Максимова Л.П., Петров В.В., Саватеева Е.Б., Салазкин А.А. Краткая биолого-продукционная характеристика водоемов Северо-Запада СССР // Изв. ГосНИОРХ. 1968. Т. 67. С. 205-228.
  18. Поддубная .Л. О донной фауне Череповецкого водохранилища в первые два года его существования // Тр. Ин-та биол. внутр. вод АН СССР. 1966. Вып. 12 (15). Планктон и бентос внутренних водоемов. С. 21-33.
  19. Травина О.В., Беспалая Ю.В., Аксёнова О.В., Шевченко А.Р., Соколова С.Е., Кошелева А.Е., Овчинников Д.В. Распространение и плотность популяции Dreissena polymorpha (Pallas, 1771) в периферийной части ареала // Рос. журн. биол. инвазий. 2020. Т. 13. № 1. С. 61-71.
  20. Филоненко И.В., Комарова А.С., Ивичева К.Н. Анализ факторов, значимых для зообентоса озера Белое Вологодской области // Принципы экологии. 2021. № 3. С. 74-86. doi: 10.15393/j1.art.2021.11902
  21. Allrivers.info - уровни рек онлайн. https://allrivers.info (дата обращения: 15.02.2020)
  22. Chen Q., Yu R., Hao Y., Wu L., Zhang W., Zhang Q., Bu X. A New Method for Mapping Aquatic Vegetation Especially Underwater Vegetation in Lake Ulansuhai Using GF-1 Satellite Data // Remote Sens. 2018. V. 10. doi: 10.3390/rs10081279
  23. Cho H.J., Kirui P., Natarajan H. Test of Multi-spectral Vegetation Index for Floating and Canopy-forming Submerged Vegetation // Int. J. Environ. Res. Public Health. 2008. V. 5. P. 477-483.
  24. Espel D., Courty S., Auda Y., Sheeren D., Elger A. Submerged macrophyte assessment in rivers: An automatic mapping method using Pléiades imagery// Water Res. 2020. V. 186. 116353https://doi.org/10.1016/j.watres.2020.116353
  25. Luo J., Ma R., Duan H., Hu W., Zhu J., Huang W., Lin C. A New Method for Modifying Thresholds in the Classification of Tree Models for Mapping Aquatic Vegetation in Taihu Lake with Satellite Images // Remote Sens. 2014. V. 6. P. 7442-7462. doi: 10.3390/rs6087442
  26. McFeeters S.K. The use of Normalized Difference Water Index (NDWI) in the delineation of open water features // Int. J. Remote Sensing. 1996. V. 17. Is. 7. P. 1425-1432. doi: 10.1080/01431169608948714
  27. Rouse J.W., Haas R.H., Schell J.A., Deering D.W. Monitoring vegetation systems in the great plains with ERTS // Third ERTS Symposium. NASA SP-351. 1973. V. 1. P. 309-317.
  28. Tian Y.Q., Yu Q., Zimmerman M.J., Flint S., Waldron M.C. Differentiating aquatic plant communities in a eutrophic river using hyperspectral and multispectral remote sensing // Freshwater Biol. 2010. V. 55. P. 1658-1673. doi: 10.1111/j.1365-2427.2010.02400.x
  29. USGS Global Visualization Viewer. http://glovis.usgs.gov (дата обращения: 15.02.2020)
  30. Xu H. Modification of normalised difference water index (NDWI) to enhance open water features in remotely sensed imagery // Int. J. Remote Sensing. 2006. V. 27. Is. 14. P. 3025-3033. doi: 10.1080/01431160600589179

Supplementary files

Supplementary Files
Action
1. JATS XML

Copyright (c) 2025 Russian Academy of Sciences

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».