Количественный анализ факторов, влияющих на повреждение старовозрастного южнотаежного древостоя в результате катастрофического ветровала, на основе дистанционных и объединенных данных

Обложка

Цитировать

Полный текст

Аннотация

Исследованы последствия массового (катастрофического) ветровала в малонарушенном массиве южнотаежных ельников заповедника “Кологривский лес”. Степень повреждения древостоев была оценена путем дешифрирования космических снимков Sentinel-2. Для количественного анализа факторов, влияющих на наличие ветровальных повреждений, использовали данные портала GBIF, глобальные модели высот местности SRTM и высот древостоев. Выявлено, что ветровалами повреждены древостои на площади 277.9 га (40.5% всего массива). Результаты анализа моделей высот и регрессионных моделей показали, что более подвержены ветровалу еловые древостои, а также древостои большей высоты или произрастающие на бóльших высотах на местности.

Об авторах

Н. В. Иванова

ИПМ им. М.В. Келдыша РАН

Email: Natalya.dryomys@gmail.com

Институт математических проблем биологии РАН

Россия, 142290 Пущино, ул. проф. Виткевича, 1

М. П. Шашков

Карагандинский университет им. акад. Е.А. Букетова

Email: Natalya.dryomys@gmail.com
Казахстан, 100028 Караганда, ул. Университетская, 28, к. 3

А. В. Лебедев

Российский государственный аграрный университет – МСХА им. К.А. Тимирязева; Государственный заповедник “Кологривский лес”

Email: Natalya.dryomys@gmail.com
Россия, 127434 Москва, ул. Тимирязевская, 49; 157440 Кологрив, ул. Некрасова, 48

В. Н. Шанин

ФИЦ “Пущинский научный центр биологических исследований РАН”

Автор, ответственный за переписку.
Email: Natalya.dryomys@gmail.com

Институт физико-химических и биологических проблем почвоведения РАН

Россия, 142290 Пущино, ул. Институтская, 2, к. 2

Список литературы

  1. Ulanova N.G. The effects of windthrow on forests at different spatial scales: a review // Forest Ecology and Management. 2000. V. 135. P. 155–167. https://dx.doi.org/10.1016/S0378-1127(00)00307-8
  2. Gardiner B. Wind damage to forests and trees: a review with an emphasis on planted and managed forests // Journal of Forest Research. 2021. V. 26. № 4. P. 248–266. https://doi.org/10.1080/13416979.2021.1940665
  3. Seidl R., Schelhaas M.-J., Lexer M.J. Unraveling the drivers of intensifying forest disturbance regimes in Europe // Global Change Biology. 2011. V. 17. P. 2842–2852. https://dx.doi.org/10.1111/j.1365-2486.2011.02452.x
  4. Baumann M., Ozdogan M., Wolter P.T. et al. Landsat remote sensing of forest windfall disturbance // Remote Sensing of Environment. 2014. V. 143. P. 171–179. https://doi.org/10.1016/j.rse.2013.12.020
  5. Kislov D.E., Korznikov K.A. Automatic windthrow detection using very-high-resolution satellite imagery and deep learning // Remote Sensing. 2020. V. 12. № 7. Art. 1145. https://doi.org/10.3390/rs12071145
  6. Lazecky M., Wadhwa S., Mlcousek M. et al. Simple method for identification of forest windthrows from Sentinel-1 SAR data incorporating PCA // Procedia Computer Science. 2021. V. 181. P. 1154–1161. https://doi.org/10.1016/j.procs.2021.01.312
  7. Olmo V., Tordoni E., Petruzzellis F. et al. Use of Sentinel-2 satellite data for windthrows monitoring and delimiting: the case of “Vaia” storm in Friuli Venezia Giulia region (North-Eastern Italy) // Remote sensing. 2021. V. 13. Art. 1530. https://dx.doi.org/10.3390/rs13081530
  8. Phillips S.J., Anderson R.P., Schapire R.E. Maximum entropy modeling of species geographic distributions // Ecological Modelling. 2006. V. 190. P. 231–259. https://doi.org/10.1016/j.ecolmodel.2005.03.026
  9. Poggio L., de Sousa L.M., Batjes N.H. et al. SoilGrids 2.0: producing soil information for the globe with quantified spatial uncertainty // SOIL. 2021. V. 7. P. 217–240. https://doi.org/10.5194/soil-7-217-2021
  10. Nature Map Explorer 2021. https://explorer.naturemap.earth/ (1.11.2022).
  11. Santoro M., Cartus O., Carvalhais N. et al. The global forest above-ground biomass pool for 2010 estimated from high-resolution satellite observations // Earth System Science Data. 2021. V. 13. P. 3927–3950. https://doi.org/10.5194/essd-13-3927-2021
  12. Farr T.G., Rosen P.A., Caro E. et al. The shuttle radar topography mission // Reviews of Geophysics. 2007. V. 45. Art. RG2004. https://doi.org/10.1029/2005RG000183
  13. Lang N., Jetz W., Schindler K. et al. A high-resolution canopy height model of the Earth 2022. https://langnico.github.io/globalcanopyheight/
  14. Potapov P., Hansen M.C., Pickens A. et al. The global 2000–2020 land cover and land use change dataset derived from the Landsat archive: first results // Frontiers in Remote Sensing. 2022. V. 3. Art. 856903. https://doi.org/10.3389/frsen.2022.856903
  15. Heberling J.M., Miller J.T., Noesgaard D. et al. Data integration enables global biodiversity synthesis // Proceedings of the National Academy of Sciences of the United States of America. 2021. V. 118. № 6. Art. e2018093118. https://doi.org/10.1073/pnas.2018093118
  16. Кологривский лес: Экологические исследования. М: Наука, 1986. 128 с.
  17. Хорошев А.В., Немчинова А.В., Кощеева А.С. и др. Ландшафтные и сукцессионные факторы соотношения неморальных и бореальных свойств травяного яруса в заповеднике “Кологривский лес” // Вестник Московского гос. ун-та. Серия 5: География. 2013. № 5. С. 11–18.
  18. Иванов А.Н., Буторина Е.А., Балдина Е.А. Многолетняя динамика коренных южно-таежных ельников в заповеднике “Кологривский лес” // Вестник Московского гос. ун-та. Серия 5: География. 2012. № 3. С. 74–79.
  19. Ivanova N.V., Shashkov M.P. Tree stand assessment before and after windthrow based on open-access biodiversity data and aerial photography // Nature Conservation Research. 2022. V. 7. Suppl. 1. P. 52–63. https://dx.doi.org/10.24189/ncr.2022.018
  20. Chen D., Huang J., Jackson T.J. Vegetation water content estimation for corn and soybeans using spectral indices derived from MODIS near- and short-wave infrared bands // Remote Sensing of Environment. 2005. V. 98. P. 225–236. https://doi.org/10.1016/j.rse.2005.07.008
  21. Абатуров Ю.Д., Письмеров А.В., Орлов А.Я. и др. Коренные темнохвойные леса южной тайги (резерват “Кологривский лес”). М.: Наука, 1988. 220 с.
  22. Лебедев А.В., Чистяков С.А. Долговременные наблюдения на пробных площадях в древостоях ядра заповедника “Кологривский лес” // Вклад ООПТ в экологическую устойчивость регионов. Современное состояние и перспективы: Мат-лы конф. Кологрив: ГПЗ “Кологривский лес”, 2021. С. 31–43.
  23. Ivanova N.V. Factors limiting distribution of the rare lichen species Lobaria pulmonaria (in forests of the Kologriv Forest Nature Reserve) // Biology Bulletin. 2015. V. 42. № 2. P. 145–153. https://doi.org/10.1134/S1062359015020041
  24. Иванова Н.В., Терентьева Е.В. Состояние популяций охраняемого лишайника Lobaria pulmonaria в лесах северо-востока Костромской области // Вестник Томского гос. ун-та. Биология. 2017. № 38. C. 149–166. https://doi.org/10.17223/19988591/38/9
  25. GBIF.org (16 April 2022) GBIF Occurrence Download. https://doi.org/10.15468/dl.qzgpn2 (1.11.2022)
  26. Jarvis A., Reuter H.I., Nelson A. et al. Hole-filled seamless SRTM data V4, International Centre for Tropical Agriculture (CIAT). 2008. http://srtm.csi.cgiar.org (29.12.2022).
  27. Potapov P., Li X., Hernandez-Serna A. et al. Mapping global forest canopy height through integration of GEDI and Landsat data // Remote Sensing of Environment. 2020. V. 253. Art. 112165. https://doi.org/10.1016/j.rse.2020.112165
  28. R Core Team (2022). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL https://www.R-project.org/.
  29. Ribeiro P.J. Jr., Diggle P.J. A package for geostatistical analysis // R-NEWS. 2001. V. 1. № 2. P. 15–18.
  30. QGIS Development Team, 2022. QGIS Geographic Information System. Open Source Geospatial Foundation Project. http://qgis.osgeo.org.
  31. Taylor R.A., Dracup E., MacLean D.A. et al. Forest structure more important than topography in determining windthrow during Hurricane Juan in Canada’s Acadian Forest // Forest Ecology and Management. 2019. V. 434. P. 255–263. https://dx.doi.org/10.1016/j.foreco.2018.12.026
  32. Ruel J.-C. Understanding windthrow: silvicultural implications // The Forestry Chronicle. 1995. V. 71. № 4. P. 434–445. https://dx.doi.org/10.5558/tfc71434-4
  33. Бобровский М.В., Стаменов М.Н. Влияние катастрофического ветровала 2006 года на структуру и состав лесной растительности заповедника “Калужские засеки” // Лесоведение. 2020. № 6. С. 523–236. https://doi.org/10.31857/S0024114820050022
  34. Богачев А.В. Лесотаксационные исследования. М.: ВНИИЛМ, 2007. 344 с.
  35. Pretzsch H. The effect of tree crown allometry on community dynamics in mixed-species stands versus monocultures. A review and perspectives for modeling and silvicultural regulation // Forests. 2019. V. 10. № 9. Art. 810. https://doi.org/10.3390/f10090810
  36. Ovaskainen O., Meyke E., Lo K. et al. Chronicles of nature calendar, a long-term and large-scale multitaxon database on phenology // Scientific Data. 2020. V. 7. Art. 47. https://doi.org/10.1038/s41597-020-0376-z
  37. Буйволов Ю.А., Минин А.А., Черногаева Г.М. Летопись природы – вызовы и возможности // Использование и охрана природных ресурсов в России. 2022. № 1. С. 46–55.
  38. Roslin T., Antão L., Hällfors M. et al. Phenological shifts of abiotic events, producers and consumers across a continent // Nature Climate Change. 2021. V. 11. P. 241–248. https://doi.org/10.1038/s41558-020-00967-7
  39. Shashkov M.P., Bobrovsky M.V., Shanin V.N. et al. Data on 30-year stand dynamics in an old-growth broad-leaved forest in the Kaluzhskie Zaseki State Nature Reserve, Russia // Nature Conservation Research. 2022. V. 7. Suppl. 1. P. 24–37. https://dx.doi.org/10.24189/ncr.2022.013

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Российская академия наук, 2024

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».