Original Russian Text © 2019 O. I. Evstigneev, V. N. Korotkov published in Forest Science Issues Vol. 2, No. 4, pp. 1–36.

© 2022                                             O. I. Evstigneev ^{1, 3 *}, V. N. Korotkov²                

¹State Nature Biosphere Reserve “Bryanskii Les”,
Nerussa Station, Bryansk Oblast 242180, Russia

²Yu. A. Israel Institute of Global Climate and Ecology, 20B
Glebovskaya st., Moscow 107258, Russia

³Center for Forest Ecology and Productivity of the RAS,
Profsoyuznaya st. 84/32 bldg. 14, Moscow, 117997, Russia

*E-mail: quercus_eo@mail.ru

Received: 16.09.2019

Revised: 07.10.2019

Accepted: 07.10.2019

Professor Olga V. Smirnova, Doctor of Biological Sciences, is a prominent scientist in the field of plant demography, population biology, and forest ecosystem ecology. Professor Olga V. Smirnova’s edifice is based on ideas about the leading role of plant and animal populations in the organization of the biogeocenotic cover. In this case, it is implied that a continuous generational turnover in edificator (keystone species) populations is necessary to maintain the species and structural diversity in communities and ensure their sustainability. This system of views was influenced by Professor Alexey A. Uranov. The development of these ideas was consistent and gradual. First, Professor Olga V. Smirnova studied the biology of different plant species life forms. Examining their individual development, with identification of ontogenetic stages, is necessary for demographic research. She then developed the theory of coenopopulations as supraorganismal systems, which can self-sustain under different conditions. Finally, she developed the doctrine of biogeocenosis as a system of interacting populations and created the concept of anthropogenic transformation of the forest cover in the Holocene. Her contributions helped researchers to understand the mechanisms of the formation of modern zonality that are due to human activity.

Key words: plant biological age, plant population strategy, coenopopulation, edificator, forest ecosystem ecology, modern zonality, historical ecology

October 9, 2019 marks the anniversary of Professor Olga Vsevolodovna Smirnova, Doctor of Biological Sciences, a prominent scientist in the field of plant demography, population biology and forest ecosystem ecology (Fig. 1).

Professor Olga V. Smirnova was born to the family of intellectual workers in 1939. Her mother, Nina Nikolaevna, was a French to Russian translator, and her father, Vsevolod Mikhailovich, was an engineer. Her maternal grandfather, Nikolai A. Zhukov, graduated from the Moscow Higher Vocational School of Commerce (now Financial Academy) and worked as an economist with the People’s Commissariat for Foreign Affairs. Her paternal grandfather, Mikhail I. Smirnov, graduated from the Moscow Archaeological Institute in Nizhny Novgorod. He was an outstanding professional who specialized in local history and founded the Pereslavl-Zalessky Historical, Architectural and Art Museum-Reserve in 1919. Olga V. Smirnova spent her childhood in Gagarinsky Lane in the very heart of Moscow (Zhukova, 2006).

She showed interest in biology in her high school years, attending a young naturalists hobby group at the All-Russian Society for the Protection of Nature (VOOP) headed by a renowned biologist Pyotr P. Smolin. In 1963, Olga V. Smirnova graduated from the Chair in Geobotany at M. V. Lomonosov Moscow State University. In 1968, she defended her Candidate of Sciences thesis under supervision of Professor Alexey A. Uranov that was devoted to the topic “Life cycles, number and age composition of populations of the main components of oak grass cover”. In 1983, she defended her Doctor of Sciences thesis devoted to the topic “Behavior of species and functional organization of grass cover of deciduous forests (a case study of plain broad-leaved forests in the European part of the USSR and linden forests of Siberia)”. From 1966 to 1992, Olga V. Smirnova had been employed with the Problem-Centered Biology Laboratory (PBL) at the V. I. Lenin Moscow State Pedagogical Institute (MGPI) (Fig. 2, 3). In 1987, she published the book Grass Cover Structure of Broad-Leaved Forests that resulted from her Candidate’s thesis and Doctor’s thesis. Since September 1, 1992, Professor Olga V. Smirnova has been employed as Principal Researcher at the Center of Forest Ecology and Productivity of the Russian Academy of Sciences (CEPF RAS). From 1993 to 2008, she taught at Pushchino State University (PuschGENI) at the Department of System Ecology, founded and headed by Professor Alexander S. Komarov (Fig. 4, 5). In 1994, a collective monograph Eastern European Broadleaf Forests, and in 2004, a two-volume book Eastern European Forests: History in Holocene and Contemporaneity were published under her editorship. In 2017, Springer published a revised version of this book, European Russian Forests: Their Current State and Features of Their History as requested by the Plant and Vegetation editorial board. The fundamentals of Professor Olga V. Smirnova’s research, starting with the young naturalists hobby group and to the present day, are her expeditionary studies she conducts every year (Fig. 6–8).

In 2015, Professor Olga V. Smirnova founded an international research journal, Russian Journal of Ecosystem Ecology. The journal covers the functioning and dynamics of ecosystems, the organization of biogeocenotic cover, and other issues of ecology. Professor Olga V. Smirnova supervised 25 successfully defended Candidate’s theses (Sugorkina, 1989; Evstigneev, 1990; Argunova, 1993; Istomina, 1993; Korotkov, 1993; Nedoseko, 1993; Chumachenko, 1993; Kiseleva, 1994; Shanijazova, 1994; Barinova, 1997; Ripa, 1997; Samohina, 1997; Sarycheva, 2000; Bobrovskaja, 2001; Braslavskaja, 2001; Turubanova, 2002; Bobrovskij, 2004; Shestakova, 2005; Bogdanova, 2006; Romanovskij, 2006; Lugovaja, 2008; Popov, 2008; Aleinikov, 2010; Zaprudina, 2012; Kharitonenkov, 2012); five of her students were awarded the degree of Doctors of Sciences (Chumachenko, 2006; Argunova, 2010; Evstigneev, 2010; Bobrovskij, 2013; Nedoseko, 2018). On December 2, 1994, she was awarded the title of Full Professor in Botany. To date, Professor Olga V. Smirnova has published over 300 works. All her publications, including an extensive reference list, are available online at http://istina.msu.ru/profile/sov1933/.

Professor Olga V. Smirnova’s views in forest biogeocenology / forest ecosystem ecology are based on ideas about interacting populations of living beings, which were shaped under the influence of her mentor, Professor Alexey A. Uranov (Shorina et al., 2014). Within the framework of said system of views, Professor Olga V. Smirnova made a significant contribution to enhancing the concepts of plant biological age and plant population strategy by developing the doctrine of coenopopopulations and biogeocenosis as a system of interacting populations, as well as to ideas about modern zonality as an anthropogenic phenomenon.

Figure 1. Olga V. Smirnova. Top left: An expedition in Sabar, August 1979, the Middle Urals, Artinsky District, Sverdlovsk Oblast. Photo by O. G. Barinov. Top right: Before the trip to Sabar in 1991. Photo by M. A. Barinova. Bottom left: Defense of Natalia E. Bogdanova’s Candidate’s thesis at the Moscow State Pedagogical University, November 20, 2006. Bottom right: Defense of Ekaterina L. Zheleznaya’s Candidate’s thesis at Moscow State Pedagogical University, March 2, 2009. Photo by O. M. Zhelezny

Figure 2. Professor Olga V. Smirnova’s colleagues (start). Top: Olga V. Smirnova with Alexey A. Uranov’s students — Inna M. Ermakova (Researcher at the Problem-Centered Biology Laboratory, Moscow State Pedagogical Institute) and Nina M. Grigorieva (Professor of the Chair in Botany of the Moscow State Pedagogical Institute, right), 1974. Bottom left: Among the tall forest herbs with Tatiana I. Serebryakova (Head of Chair in Botany at the Moscow State Pedagogical Institute from 1974 to 1986) during a trip to Salair (Guryevsky District, Kemerovo Oblast), 1982. Photo by M. A. Barinova. Bottom right: Aleksandra A. Chistyakova (Candidate of Biological Sciences, Full Professor at the Chair in Botany, Physiology and Plant Biochemistry, Penza State University), a co-author of Olga V. Smirnova’s principal works devoted to the interacting populations in forest communities

Figure 3. Professor Olga V. Smirnova’s colleagues (cont’d). Top: With Roman V. Popadjuk (Researcher at the Problem-Centered Biology Laboratory, Moscow State Pedagogical Institute) during an expedition to Prioksko-Terrasny Nature Reserve in 1990. Photo by M. A. Barinova. Bottom left: Natalia A. Toropova (Candidate of Biological Sciences, Associate Professor at the Chair in Botany, Tambov State Pedagogical Institute) in the Kanevsky Nature Reserve (Cherkasy Oblast, Ukraine), 1983. Bottom right: Professor Olga V. Smirnova’s colleagues discussing research plans in the Laboratory of Ecosystem Modeling, Institute of Physicochemical and Biological Problems of Soil Science, RAS (Pushchino). Left: Lyudmila B. Zaugol’nova (Doctor of Biological Sciences, Principal Researcher at the Center of Forest Ecology and Productivity, RAS, Moscow), right: Larisa G. Khanina (Candidate of Biological Sciences, Associate Professor, Head of Laboratory of Computational Ecology, Institute of Mathematical Problems of Biology, RAS, Pushchino), 1999

The Concept of Plant Biological Age

Classifying plant populations into ontogenetic (age) groups constitutes the basis of population demographics studies. The works of Tikhon A. Rabotnov (1950) and his followers, including Professor Olga V. Smirnova, substantiated and developed an approach to age differentiation in individual plants based on studying the ontogeny of living organisms from birth to death. The method provides for the allocation of stages in individual plant development, or ontogenetic states that reflect the biological age of an individual plant. Professor Olga V. Smirnova studied the ontogeny of over 30 plant species growing in Eastern European forests and linden trees of Western Siberia (Table 1). She presented early descriptions of the ontogeny in three collective monographs edited by Professor Alexey A. Uranov, Ontogenesis and Age Composition of Flowering Plant Populations (1967), Morphogenesis of Flowering Plants and The Structure of Their Populations (1968) and Age Composition of Flowering Plant Populations Due to Their Ontogenesis (1974).

These works show that defining the ontogenetic (age) state is incomparably more important for demographic research than the analysis of numerical age. This is due to two reasons: 1) different individual plants of the same species often reach the same ontogenetic state in different numerical terms; yet, since they are at the same development stage, they play the same part in the population and in the community; 2) the time individual plants of different species and life forms take to go through the same ontogenetic states may vary. All this means that it may be more logical to associate comparative assessment of significance of plants in coenosis with not numerical age but development stage, that is, the ontogenetic state.

Table 1. Ontogeny of plants studied by Professor Olga V. Smirnova

Figure 4. Field trips. Top left: Summer field trip with 2nd-year undergraduate students of the Moscow State Pedagogical Institute in 1977 with Olga V. Smirnova (Candidate of Sciences, left) and Marina P. Solovyova (Associate Professor, Candidate of Sciences, second right) in Tellermanovskoe Forestry (Voronezh Oblast). Top right: Winter field trip with Master’s students of the Pushchino State University in Central Forest Nature Reserve, 1994: Konstantin V. Belyakov (Master’s student, left), Olga V. Smirnova, Mikhail S. Romanov (Master’s student, right). Photo by M. A. Barinova. Bottom left: Fall field trip with 1st-year Master’s students of the Pushchino State University in Kaluzhskiye Zaseki Nature Reserve, 1996. Left to right: Vladimir N. Korotkov (Candidate of Sciences, Senior Researcher at the All-Russian Research Center for Forest Resources), Oksana Sinotova (Master’s student), Marina Mishchenko (Master’s student), Larisa Tarasova (Master’s student), Maxim V. Bobrovskij (Senior Lecturer). Sitting, left to right: Aleksandr Kuritsyn (Master’s student), Vladimir Timofeev (Master’s student), Aleksandra Agafonova (postgraduate student), Olga V. Smirnova, Alexey Egorov (Master’s student). Bottom right: Fall field trip with 1st-year Master’s students of the Pushchino State University in Russky Sever National Park, 2005. Left to right: Alexey Aleinikov, Maxim Kharitonenkov, Olga V. Smirnova, Ekaterina Kobozeva, Vladimir Shanin, Alexey Gornov. Photo by M. V. Bobrovskij

The Concept of Plant Population Strategy

Based on the system of ideas about plant coenotypes proposed by Leonty G. Ramensky (1935) and the concept of plant strategies developed by J. Grime (1979), Professor Olga V. Smirnova substantiated a new approach to studying plant population strategies (population behavior) (Smirnova, 1980, 1987; Smirnova, Chistyakova, 1980). The essential provisions of this approach are as follows.

1. The following properties are considered as integral, phytocoenotically significant plant population strategies: competitive, phytocoenotically tolerant, and reactive. Competitive strategy (violent, competitive power) means the ability of species to create and control the environment in a community, as well as suppress other living organisms due to the great vitality and highly intensive environment use. Phytocoenotically tolerant strategy (patient, resistance, endurance in an extremely unfavorable phytocoenotic environment) means the ability of species to survive for a long time in the area occupied by other living organisms, due to the maximum lowered vitality. Reactive strategy (explerent, dynamism, pioneering, ruderality) means the tendency of a species to the fastest possible development of released resources in the community due to vigorous vegetative growth and significant reproductive effort.

According to said definitions, a plant population strategy means the ability of species to dominate or occupy a subordinate position in a community, which resulted from a long evolution in preagricultural climax coenoses undisturbed by humans. The described population strategies reflect the phytocoenotic potencies of a species. The real-life ranking of a species in a particular coenosis makes up its phytocoenotic position. Phytocoenotic potencies and phytocoenotic positions may be expected to overlap completely in climax communities in the preagricultural age. Real-life position of a species in modern communities differ significantly from its role in climax coenoses, since the communities structure has been fundamentally transformed by humans.

2. Integral properties (competitive, phytocoenotically tolerant, reactive) are inherent in every species but expressed to various degrees. Species that are predominantly competitive are violent, species that are predominantly tolerant are patient, and species that are predominantly ruderal are explerent. Aside from groups of species characterized by these three strategy types (behavior), following J. Grime (1979), Professor Olga V. Smirnova identified the groups of species that occupy an intermediate position.
3. Investigation of a plant strategy is based on investigation of biological properties of a species. This assumes a differentiated approach to studying biological (behavior) and ecosystem properties of a species. Knowing the ecosystem properties, one could reveal the requirements of a species to environment resources, whereas studying biological properties could help to define the method and nature of how to use said resources. In other words, plant ecosystem properties determine the species composition in a community, whereas biological properties determine the predominant or subordinate role of the species in the community. This approach to identifying types of plant behavior differs significantly from the methods of studying the coenotypes proposed by Leonty G. Ramensky (1935) and plant strategies developed by J. Grime (1979). Thus, Ramensky’s patient plants (or Grime’s stress-tolerant plants) are allocated based on ecosystem properties of species, while violent (competitive) plants and explerent (reactive) plants are allocated based on biological properties.
4. The history of studying phytocoenotic potencies in plants shows that it is not possible to single out any standalone, independent feature that would determine the type of plant behavior in its entirety. At the same time, each type of plant behavior is characterized by a set of particular (differential) properties, which are specific manifestations of competitive, tolerant and reactive strategy.
5. It may be advisable to analyze the types of behavior in plants of relative life forms occupying the same space-time niche and belonging to the same trophic level, i. e. the same synusia (Smirnova, 1987). This is determined by the fact that the types of a single synusia are characterized by similar impact on the environment and play a similar role in the community. Moreover, the biological originality of a given species is most fully manifested if we investigate the entire historically formed set of species at the same time. In temperate forests, synusias of trees, shrubs, summer broadleaf herbs, and early spring ephemeroids are usually considered as such (Eastern European …, 1994).

Based on these provisions and a detailed study of the biological plant properties, Professor Olga V. Smirnova developed a classification of plant species by strategy (behavior) type in the synusias of spring ephemeroids and summer broadleaf herbs (Smirnova, 1987). This approach was successfully implemented when studying the types of strategy of trees and shrubs in Eastern European forests (Smirnova, Chistyakova, 1980; Evstigneev, 2004, 2010; Evstigneev, Didenko, 2004). Below is an example of a plant classification by type of behavior in the synusia of summer broadleaf herbs (Smirnova, 1987).

Type I. Competitive species (violent).

Group 1 — vegetatively mobile: Aegopodium podagraria L., Convallaria majalis L., Carex pilosa Scop., Mercurialis perennis L.

Type II. Tolerant species (patient).

Group 1 — vegetatively slightly mobile: Asarum europaeum L., Carex digitata L., C. rhizina Blytt ex Lindbl., Paris quadrifolia L., Polygonatum multiflorum (L.) All., Pulmonaria obscura Dumort., Viola mirabilis L.

Group 2 — vegetatively immobile: Brachypodium sylvaticum (Huds.) Beauv., Bromopsis benekenii (Lange) Holub, Carex sylvatica Huds., Campanula latifolia L., C. rapunculoides L., C. trachelium L., Dactylis glomerata L., Festuca gigantea (L.) Vill., F. sylvatica L., Geum urbanum L., Melica nutans L., Lathyrus vernus (L.) Bernh., Poa nemoralis L., Ranunculus cassubicus L., Scrophularia nodosa L., Scutellaria altissima L.

Type III. Reactive species (explerent).

Subtype 1: competitive reactive species. Group 1 — vegetatively mobile: Ajuga genevensis L., A. reptans L., Galeobdolon luteum Huds., Milium effusum L., Viola odorata L. Group 2 — vegetatively immobile: Lamium maculatum (L.) L.

Subtype 2: Actually reactive. Group 1. Vegetatively mobile: Galium odoratum (L.) Scop., Glechoma hederacea L., Stachys sylvatica L., Stellaria holostea L., Urtica dioica L. Group 2: vegetatively immobile: Alliaria petiolata (Bieb.) Cavara & Grande, Chaerophyllum temulum L., Geranium robertianum L., Torilis japonica (Houtt.) DC.

Professor Olga V. Smirnova showed that defining phytocoenotic potencies in plants makes it possible to understand some features in the organization of climax coenoses which differed in maximum species diversity (Smirnova, Chistyakova, 1980; Smirnova, 1983, 1987). Competitive plant species constituted a stable basis for every synusia, for they were predominant in number and biomass, involved the largest portion of matter and energy in the community, significantly changed the coenotic environment, and executed the function of edificators. Tolerant plant species, having an extremely low vitality level, used resources that could not be occupied by competitively powerful plants. Reactive plant species “roamed around” from one disturbance to another and “patched the holes” that occasionally occurred in the community in areas where individuals died in populations of edificators. Species with different strategy (behavior) types act as complementary formations, thanks to which the community resources are used most efficiently.

The Theory of Coenopopulations

The team at the Problem-Centered Biology Laboratory at the Moscow State Pedagogical Institute where Professor Olga V. Smirnova was employed at the time, published four outstanding books on plant demography, Plant Coenopopulations (Basic Concepts and Structure) (1976), Plant Coenopopulations (Development and Relationships) (1977), Dynamics of Plant Coenopopulations (1985), and Plant Coenopopulations (Essays on Population Biology) (1988). The books are based on ideas of plant biological age. These monographs present the concept apparatus and propose a system of methods in plant population biology. Having summarized her long-term studies at the Problem-Centered Biology Laboratory and Chair in Botany at the Moscow State Pedagogical Institute, Professor Olga V. Smirnova, in collaboration with Lyudmila B. Zaugol’nova, developed the ideas of characteristic ontogenetic spectrum (COS) and elementary demographic unit (EDU).

COS is a full-membered ontogenetic spectrum with a certain ratio of ontogenetic group number, which allows for a continuous generational turnover. This spectrum is due to the plant biological properties: 1) total duration of ontogeny and individual age states; 2) rate of development in individuals having various ontogenetic states; 3) methods of population self-sustainment; 4) intensity and frequency of inspermation and elimination; 5) ability to create a soil reserve of seeds or other vegetative rudiments; 6) area of resource consumption by individuals at different stages of ontogeny (Zaugol’nova, 1994; Zaugol’nova, Smirnova, 1978; Smirnova, 1987; Zaugol’nova et al., 1992; Eastern European …, 1994, 2004). At first, in the framework of studies conducted by said researchers, COS was considered synonymous with “basic ontogenetic spectrum”. However, the authors later limited the concept of the basic ontogenetic spectrum with the modal one, obtained by averaging data on several coenopopulations belonging to one community variant (Smirnova et al., 1993; Zaugol’nova, 1994).

Figure 5. Chair in System Ecology at the Training Center for Mathematical Biology of the Pushchino State University. Top: After Master’s thesis defense, July 1998. Sitting, left to right: Vitaly E. Reif (Master), Elena P. Sarycheva (postgraduate student), Andrey M. Tsyplyanovsky (postgraduate student), Sergey S. Bykhovets (Senior Lecturer). Standing (first row, left to right): Oksana A. Sinotova (Master), Galina E. Rubashko (Master), Elena S. Esipova (Master), Elena G. Didenko (Master), Irina F. Medvedeva (Head of Education Department), Valentina S. (Laboratory Assistant), Svetlana A. Turubanova (Master), Larisa G. Khanina (Candidate of Sciences, Associate Professor). Standing (second row, left to right): Vadim N. Pavlov (Doctor of Biology, Professor, Chairman of the State Examination Board), Maria M. Palenova (Candidate of Biological Sciences, Associate Professor), Alexander S. Komarov (Candidate of Biological Sciences, Associate Professor, Head of Chair), Olga V. Smirnova (Doctor of Biology, Full Professor), Anna V. Manukyants (Master), Vladimir V. Timofeev (Master), Maxim V. Bobrovskij (Senior Lecturer). Bottom left: Professor Olga V. Smirnova’s speech at the defense of Master’s theses on June 18, 2007. Bottom right: Olga V. Smirnova and Natalia A. Leonova (Candidate of Biological Sciences, Associate Professor at the Chair in Botany, Physiology and Plant Biochemistry of the Penza State University) after a research seminar on October 11, 1996 at the Chair in System Ecology

Figure 6. Expeditions (start). Left: Olga V. Smirnova in the test area next to a wych elm, 1979. Sabar, Middle Urals, Artinsky District, Sverdlovsk Oblast. Photo by O. G. Barinov. Top: Before the trip to Sabar in 1991. Left to right: Svetlana I. Ripa (postgraduate student, Chair in Botany of the Moscow State Pedagogical Institute), Tatyana O. Yanitskaya (employee at the Chair in Higher Plants of the Moscow State University), Oleg G. Barinov (postgraduate student in Chemistry of the Moscow State Pedagogical Institute), Vladimir N. Korotkov (Researcher at the Laboratory of Nature Conservation Research Institute), Olga V. Smirnova (Doctor of Biological Sciences, Senior Researcher at the Moscow State Pedagogical Institute). Photo by M. A. Barinova. Bottom: Olga V. Smirnova on an all-terrain vehicle in Gorno-Khadytinsky Nature Reserve (Yamalo-Nenets Autonomous Okrug), 1999. Photo by M. V. Bobrovskij

Figure 7. Expeditions (cont’d 1). Top left: Olga V. Smirnova in Voronezh Nature Reserve, 1974, studying the structure of the grass cover in broad-leaved forests. Top right: Olga V. Smirnova next to a Korean pine in Ussurisky Nature Reserve (Far East), 2008. Photo by V. N. Korotkov. Bottom: Exploring the river bottom of the Podkamennaya Tunguska, July 2006. Evenkiysky District, Krasnoyarsk Krai, central area of Central Siberian Plateau. Olga V. Smirnova and Maxim V. Bobrovskij (Candidate of Biological Sciences, Associate Professor at the Chair in System Ecology, Pushchino State University)

Figure 8. Expeditions (cont’d 2). Left: Olga V. Smirnova next to a rowan tree in Visimsky State Nature Biosphere Reserve, May 2019. Photo by A. P. Geraskina. Top: In the Pechora-Ilych Nature Reserve, August 2003. Left to right: Olga V. Smirnova, Elena Chernenkova, Sergey Pautov (Omsk State Technical University employee), Maxim Bobrovskij (Senior Lecturer at the Pushchino State University). Photo by V. N. Korotkov. Bottom: In the protected area of the Visimsky Nature Reserve during the study of a unique coniferous/broad-leaved forest populated with small-leaved linden and wych elm, May 2019. Left to right: Anna P. Geraskina (Candidate of Biological Sciences, Zoologist at the Center of Forest Ecology and Productivity, RAS), Rustam Z. Sibgatullin (Geobotanist at the nature reserve), Natalia V. Belyaeva (Phenologist at the nature reserve), Denis S. Shilov (Florist at the nature reserve), Olga V. Smirnova. Photo by V. N. Korotkov

COS reflects the dynamically stable (definitive) coenopopulation state to which it returns from deviations caused by external influences. The real ontogenetic spectrum is most consistent with the COS in undisturbed (climax) communities. In human-transformed coenoses, the ontogenetic spectrum of a population generally deviates from COS to varying degrees (Coenopopopulations…, 1976; Smirnova et al., 1987, 1989, 1990, 1991, 1992; Eastern European …, 1994).

Professor Olga V. Smirnova showed that plants have three types of characteristic ontogenetic spectra (Smirnova, 1987; Eastern European …, 1994). The first type is left-sided spectrum, with the maximum falling on pregenerative individuals. It is found in trees, monocarpic and oligocarpic tap-root herbs, bulbous, tuber-bulbous, and tuberous geophytes. These plants actively propagate by seed and/or deep rejuvenated vegetative rudiments. The second type is a centered spectrum: the largest number of individuals are located on middle-aged generative plants. It is characteristic of tap-rooted, long- and short-rhizomed herbs, sod grasses, and semi-shrubs. They have a weakly expressed aging period, propagate by seed or have a mixed propagation type, their vegetative reproduction is not accompanied by deep rejuvenation. The third type is a bimodal spectrum with two maxima: one in young individuals, and the other in mature or old generative individuals. This type is described in dense and loose sod grasses, tap-rooted and short-rhizomed herbs, in semi-shrubs. These plants have a significant life expectancy with a well-defined period of aging, their active propagation by seed is combined with vegetative reproduction with no deep rejuvenation.

EDU is a population unit, which is a set of individuals of different ages of the same species, necessary and sufficient to ensure sustainable generational turnover in the minimum allowable area. Important EDU characteristics include: 1) minimum number of individuals which allows for a continuous generational turnover; 2) minimum space necessary for a steady flow of generations; 3) lifetime of one generation (Smirnova et al., 1989; Zaugol’nova et al., 1993). EDU of different types are arranged in continuous series by values of each of the listed features (Table 2).

Table 2. Some parameters of elementary demographic units (EDU) in plants growing in broad-leaved forests (Smirnova et al., 1992)

The idea of EDU allowed Professor Olga V. Smirnova to propose a deeper definition of an important concept in forest ecology, namely the edificator (Smirnova, 1998; Smirnova, Toropova, 2008). This category includes species with the largest EDU and population mosaics existing for a long time. They include the largest portion of matter and energy in the cycles of generational turnover. Edificators belong to powerful environment converters. Populations of edificators with spontaneous development may transform a habitat to the greatest extent: they can change the hydrology, temperature, and lighting regime of a community, create micro- and mesorelief, and transform the soil cover. The intrinsic heterogeneity of the edificator EDU habitat allows for the coexistence of ecologically and biologically diverse species with smaller EDUs, and also maintains a high biodiversity level. The concept of edificator is synonymous with those of keystone species and ecosystem engineer. In the forest zone, edificators include species of various trophic groups and systematic positions: for example, large trees, needle- and leaf-eating insects, and tree-destroying fungi; river beavers join them in floodplain communities.

The Concept of Biogeocenosis as a System of Interacting Populations

Professor Olga V. Smirnova has been actively developing an idea of the structure and dynamics of undisturbed (climax) forest biogeocoenoses that existed in the preagricultural age with no human intervention (East European …, 1994, 2004; Smirnova et al., 1988, 1989, 1990; Smirnova, 1998, 2000; Smirnova, Toropova, 2008). This understanding is based on a population view of the community and biogeocenotic cover. According to the concept of biogeocenosis as a system of interacting populations, the forest cover should be considered a hierarchy of population units in species of different trophic groups. The population life of edificators unites this multiscale mosaic into communities. Population mosaics of keystone species create an environment suitable for sustainable life of populations of many subordinate species and determine the maximum species diversity in communities.

Phytogenic mosaicism in undisturbed forests results from the population life of edificator trees. In forests, the population life of trees creates a mosaic of lighting, water and soil regimes. This mosaic results from gaps in tree canopy that occur due to aging and death of one or several trees growing nearby. The death of a tree and associated soil perturbation determine the development of wind-soil complexes. At the same time, it builds a specific dumping microrelief, including hills, depressions, and coarse woody debris (Bobrovskij, 2004, 2013). Heterogeneous gap-like environment and wind-soil complexes, created as a result of generation flows in edificator tree populations, determines the presence of the maximum possible set of subordinate species of plants, animals, fungi, and representatives of other kingdoms in undisturbed forests. Having studied said mosaicism, Professor Olga V. Smirnova and her students created a new system of understanding forest ecology, the gap paradigm (Korotkov, 1991, 1993; Smirnova, 1998; Assessment …, 2000).

Professor Olga V. Smirnova convincingly shows that mosaicism caused by vitality of animal phytophages is as characteristic a feature of forest landscapes as phytogenic one (Smirnova et al., 1993; Eastern European …, 1994, 2004). Zoogenic mosaicism in preagricultural forests resulted from population life of animal edificators. In undisturbed European forests, these animals included: 1) large herd ungulates (bison, auroch, tarpan, etc.); 2) leaf- and needle-eating insects; 3) beavers. Large herd ungulates that destroyed young trees, shrubs, and grasses, as well as compacted and cherished the soil, created zoogenic glades with meadow, forest margin, and meadow-steppe flora. By destroying leaves and needles, insects increase the illumination on the grass cover surface and the temperature of the air and soil, enrich the soil with nitrogen and other minerals, and also contribute to an increase in number of light-loving and nitrophilic types of herbs. Beavers, by building dams on streams and small rivers, create ponds and lowland swamps, increase species diversity and the number of related plant and animal species. By destroying trees and shrubs in the coastal strip, beavers form glades with light-loving flora and fauna.

Professor Olga V. Smirnova shows that strong anthropogenic impact, destroying the population mosaic, breaks the cycles of generational turnover in keystone species. As a result, the development of communities becomes unidirectional, or succession, before the natural mosaic is restored. Understanding biogeocenosis as a system of interacting populations and a quantitative assessment of population parameters of principal coenosis builders make it possible to reconstruct the potential structure of biogeocenotic cover in an area, quantify the degree of disturbance in communities and their complexes, as well as to streamline existing succession systems.

The Concept of Anthropogenic Transformation of the Forest Cover in the Holocene

Despite the large number of works devoted to anthropogenic transformation of the forest cover in the Holocene, the paradigm of climate migration still prevails in domestic science. Summarizing historical and paleontological data, Professor Olga V. Smirnova proposed a new, “anthropic” system of views that defines human impact as the essential factor in biogeocoenotic cover transformation in the Holocene (Smirnova, Bobrovskij, 2000; Smirnova et al., 2001a, 2001b, 2006, 2013; Turubanova, 2002; Smirnova, Turubanova, 2003; Haritonenkov, 2012; Smirnova, Toropova, 2016; Kalyakin et al., 2016; Smirnova, Toropova, 2016; Smirnova et al., 2018). This new paradigm can be described as follows.

Written sources indicate that, over the recent 1–2 millennia, the diversity of life on Earth has been rapidly decreasing due to anthropogenic transformation. However, paleontological studies show that significant transformations on the Russian Plain and throughout Northern Eurasia date back much earlier. The first man-made environmental crisis in said area occurred 22–18 thousand years ago. It was caused by extermination of crucial edificators of late Pleistocene — that is, mammoths, woolly rhinoceros, giant deer, and other animals. They used to edify the composition and structure of plants and animals at that time. Herbs, primarily grasses, growing on meadow-steppe glades and forest margins were their primary source of nutrition. Meadow-steppe communities alternated with small clusters of trees. At the same time, palynology studies show that coniferous and broad-leaved tree species used to inhabit the entire Russian Plain in the Pleistocene. The soils of cryogenic savannah with a layer of permafrost underneath are chemically similar to modern chernozem soils. Their productivity throughout Northern Eurasia was so great that it allowed for sustainable existence of huge herds of giant phytophages and their retinue. Paleozoologists call this feature “the paradox of prehistoric pastures”. It was in cryogenic savannahs of the late Pleistocene (Upper or Final Paleolithic) that the sites of mammoth hunters with highly-developed farming and culture were found.

Over the recent 10.000–7.000 years, there has been a general climate warming, which coincided with gradual destruction of keystone species of giant and large animals of the mammoth complex as a result of hunting. The degradation of the mammoth complex, which began in the late Pleistocene, led to woody plants strengthening their role. The pastures the mammoths and their companions used to graze were then inhabited by trees. The first trees appeared by volatile seeds and a rapid generational turnover: that were birch, willow, aspen, and pine trees. They were followed by dark coniferous (spruce, fir) and broad-leaved (oak, linden, maple, ash, beech, hornbeam, etc.) trees. The near extinction of the giants and largest phytophages in the mammoth complex, combined with warming, marked the beginning of development of a forest belt in the early Holocene at the site of former Pleistocene cryogenic savannahs.

At the beginning of the Middle Holocene (7.000–2.500 years ago), the forest belt was almost completely developed on the Russian plain with broad-leaved and dark coniferous trees being predominant species; it occupied the space from the northern to southern seas. Within the forest belt, due to transforming activity of bisons, aurochs, tarpans, the saiga and other animals, zoogenic glades with meadow and steppe plants occurred constantly. Beavers built settlements with wetlands along small watercourses. As a result, the biogeocenotic cover of the Middle Holocene was a set of forest-meadow-bog complexes, created and regulated by keystone species, that is, large herd ungulates, beavers, and trees.

Since the mid-Middle Holocene occurred the production economy as the most powerful factor of biogeocenotic cover impact (agriculture, cattle breeding, smelting). The osteological material of this time includes a greatly reduced ratio of bones of wild ungulates (bison, auroch, tarpan, etc.) and increased ratio of livestock bones, whereas pollen of cultivated grasses appeared in the spore-pollen spectra. The production economy changed the biogeocenotic cover structure fundamentally. First of all, large herd ungulates and beavers disappeared not only due to hunting, but also due to the radical transformation of their habitats under the influence of slash-and-burn agriculture, logging and other harvesting trades. With the destruction of keystone animal species, the ratio of natural meadow-steppe ecosystems decreased, and that of forest ecosystems increased. As a result, the life of light-loving tree species (primarily oak and pine), as well as all light-loving plant species of other life forms, and many animal species that had previously inhabited zoogenic glades, became possible only in anthropogenic habitats. For example, pioneer tree species regenerated mainly on abandoned arable land.

Relatively “independent” from humans remained the ecosystems of “shadow” coniferous/broad-leaved forests; their spontaneous development is possible even now under a natural reserve regime. However, only part of the region’s natural flora and fauna can sustainably exist in these communities.  Ecosystems representing the “fragments” of mid-Holocene forest-meadow-bog complexes have been preserved in the modern forest cover of the Russian Plain only as a small number of refugiums, untouched by strong anthropogenic transformation of recent centuries.

It is from the late mid-Holocene that it becomes fundamentally impossible to restore the potential (former) biogeocenotic cover in a spontaneous mode, since, on the one hand, the populations of keystone animal species (large herd ungulates and beavers) have greatly decreased in number, and, on the other hand, humans have become the most powerful environment transforming force. Human activity began to determine the existence of certain subordinate plant and animal species.

By the late mid-Holocene, forest burning for the slash-and-burn agriculture cycle pushed the southern border of the forest belt to the north. The spread of nomadic cattle breeding in the south of the Russian Plain resulted in the formation of steppe and semi-desert-steppe zones. These events were a major step towards modern zonality and probably had a significant impact on changes in the macroclimate of Eurasia in its entirety. They maybe were a reason for the growing climate instability in the second half of the Holocene.

From Iron Age to early Middle Ages (2.500–500 years ago), the northern borders of the ranges of broad-leaved tree species significantly retreated to the south, mainly due to slash-and-burn agriculture, which marked the beginning of the modern taiga — a forest strip where said tree species do not exist. At the same time, specific pyrogenic forests with predominance of Pinus sylvestris developed on the sandy soils of the forest belt. Slash-and-burn, and then cross-bed and arable agriculture, forest grazing, gathering litter and coarse woody debris as well as other kinds of forest use resulted in soil cover degradation in large areas. Forest burning on the northern border was the reason why the tundra zone developed from the forest tundra and northern taiga in the late Holocene.

In general, the production economy of the mid- and late Holocene divided the unified forest-meadow-bog complex into two groups: 1) ecosystems capable of supporting themselves with spontaneous development (“shadow” forests), which formed the forest belt itself; 2) ecosystems that require constant anthropogenic impact for life (floodplain and land meadows, meadow steppes, forests of pioneer tree species). At the same time, there was a final step in formation of anthropogenic zonality — under human impact, the unified forest belt on the Russian Plain divided into coniferous, coniferous/broad-leaved and broad-leaved forests.

 CONCLUSION

Professor Olga V. Smirnova’s edifice is based on ideas about the leading role of plant and animal populations in the organization of the biogeocenotic cover. In this case, it is implied that a continuous generational turnover in edificator (keystone species) populations is necessary to maintain the species and structural diversity in communities and ensure their sustainability. This system of views was influenced by Professor Alexey A. Uranov. The development of these ideas was consistent and gradual. First, Professor Olga V. Smirnova studied the biology of different plant species life forms. Examining their individual development, with identification of ontogenetic stages, is necessary for demographic research. She then developed the theory of coenopopulations as supraorganismal systems, which can self-sustain under different conditions. Finally, she developed the doctrine of biogeocenosis as a system of interacting populations and created the concept of anthropogenic transformation of the forest cover in the Holocene. Her contributions helped researchers to understand the mechanisms of the formation of modern zonality that are due to human activity.

We would like to congratulate Professor Olga V. Smirnova on her anniversary! We wish her a long life full of success in her new creative endeavors, vigor, energy, and good health! Her colleagues and students, as well as Forest Science Issues editorial board, join the congratulation.

 ACKNOWLEDGMENTS

The authors thank Oleg G. Barinov, Maria A. Barinova, Maxim V. Bobrovskij, Natalia N. Bogomolova, Alexey V. Gornov, Elena S. Esipova, Ekaterina L. Zheleznaya, Ekaterina A. Kobozeva, Svetlana I. Ripa, Mikhail S. Romanov, Andrey M. Romanovskij, Elena P. Sarycheva, Nikolay S. Smirnov and Larisa G. Khanina for their help in preparing this article.

REFERENCES

Aleinikov A. A., Sostojanie populjacii i sredopreobrazujushhaja dejatel’nost’ bobra evropejskogo na territorii zapovednika “Brjanskij les” i ego ohrannoj zony: avtoref. dis. … kand. biol. nauk (Population status and environmental activity of the European beaver on the territory of the reserve “Bryansk forest” and its protection zone. Extended abstract of Candidate’s thesis), Tol’jatti: In-t jekologii Volzhskogo bassejna RAN, 2010, 22 p.

Argunova M. V., Ekologicheskoe obrazovanie v interesah ustojchivogo razvitija kak nadpredmetnoe napravlenie modernizacii shkol’nogo obrazovanija: avtoref. dis. … d-ra. ped. nauk (Environmental education for sustainable development as a non-objective direction of modernization of school education. Extended abstract of Doctor’s thesis), Moscow: Mosk. gos. obl. un-t, 2010, 47 p.

Argunova M. V., Populjacionnaja organizacija dubovo-grabovyh lesov Zapadnoj Ukrainy i optimizacija ih struktury: avtoref. dis. … kand. biol. nauk (Population organization of oak-hornbeam forests of Western Ukraine and optimization of their structure, Extended abstract of Candidate’s thesis), Moscow: MGPU im. V. I. Lenina, 1993, 16 p.

Barinova M. A., Vlijanie vodohranilishha na sinuzii zelenyh mhov doliny Giljuja: avtoref. dis. … kand. biol. nauk (The reservoir effect on sinusoi green mosses of the valley Gilya. Extended abstract of Candidate’s thesis), Moscow: MGPU im. V. I. Lenina, 1997, 16 p.

Bobrovskaja N. E., Formirovanie struktury kron listvennyh i hvojnyh derev’ev v ontogeneze: avtoref. dis. … kand. biol. nauk (Formation of crown structure of deciduous and coniferous trees in ontogenesis, Extended abstract of Candidate’s thesis), Moscow: MGPU, 2001, 19 p.

Bobrovskij M. V., Bioticheskie i antropogennye faktory dolgovremennoj dinamiki lesnyh pochv Evropejskoj Rossii: avtoref. dis. … d-ra biol. nauk (Biotic and anthropogenic factors of long-term dynamics of forest soils in European Russia. Extended abstract of Doctor’s thesis), Vladimir: im. A. G. i N. G. Stoletovyh, 2013, 48 p.

Bobrovskij M. V., Raznoobrazie rastitel’nosti i pochv zapovednika “Kaluzhskie zaseki” i ego svjaz’ s tradicionnym prirodopol’zovaniem: avtoref. dis. … kand. biol. nauk (Diversity of vegetation and soils of the reserve “Kaluga Zaseki” and its connection with traditional nature management. Extended abstract of Candidate’s thesis), Moscow: MGPU, 2004, 23 p.

Bogdanova N. G., Formirovanie travjanogo pokrova hvojno-shirokolistvennyh i shirokolistvennyh lesov v hode vosstanovitel’nyh sukcessij v Nerusso-Desnjanskom poles’e: avtoref. dis. … kand. biol. nauk (The formation of grass cover coniferous and deciduous forests during the restoration successions in Nerussa-Desna Polesye), Moscow: MGPU, 2006, 21 p.

Braslavskaja T. Ju., Biologicheskoe raznoobrazie i dinamika rastitel’nosti v pojme maloj reki Juzhnogo Nechernozem’ja (na primere r. Nerussa, Brjanskaja obl.): avtoref. dis. … kand. biol. nauk (Biological diversity and vegetation dynamics in the floodplain of the small river of the southern non-Chernozem region (by the example of the Neruss river, Bryansk region), Extended abstract of Candidate’s thesis), Moscow: MGPU, 2001, 21 p.

Cenopopuljacii rastenij (ocherki populjacionnoj biologii) (Plant coenopopulations (essays on population biology)), Moscow: Nauka, 1988, 184 p.

Cenopopuljacii rastenij (osnovnye ponjatija i struktura) (Plant coenopopulations (basic concepts and structure)), Moscow: Nauka, 1976, 217 p.

Cenopopuljacii rastenij (razvitie i vzaimootnoshenija) (Plant coenopopulations (development and relationships)), Moscow: Nauka, 1977, 135 p.

Chumachenko S. I., Biojekologicheskaja model’ raznovozrastnogo lesnogo cenoza: avtoref. dis. … kand. biol. nauk (Bioecological model of uneven-aged forest cenosis. Extended abstract of Candidate’s thesis), Moscow: MGPU im. V. I. Lenina, 1993, 16 p.

Chumachenko S. I., Imitacionnoe modelirovanie mnogovidovyh raznovozrastnyh lesnyh nasazhdenij: avtoref. dis. … d-ra biol. nauk (Simulation modeling of multi-species multi-age forest stands. Extended abstract of Doctor’s thesis), Moscow: Mosk. gos. u-t lesa, 2006, 32 p.

Dinamika cenopopuljacij rastenij (Dynamics of plant coenopopulations), Moscow: Nauka, 1985, 208 p.

European Russian Forests. Their Current State and Features of Their History, Smirnova O., Bobrovskij M., Khanina L. (eds.). Dordrecht: Springer Nature, 2017, 566 p.

Evstigneev O. I., Didenko E. G., Populjacionnye strategii vidov kustarnikov (Population strategies of shrub species), Vostochnoevropejskie lesa: istorija v golocene i sovremennost’ (Eastern European forests: history in Holocene and contemporaneity), Vol. 2, Moscow: Nauka, 2004, pp. 205–224.

Evstigneev O. I., Fitocenotipy i otnoshenie listvennyh derev’ev k svetu: avtoref. dis. … kand. biol. nauk (Fitocenotype and the relation of deciduous trees to light. Extended abstract of Candidate’s thesis), Moscow: MGPI, 1990, 17 p.

Evstigneev O. I., Mehanizmy podderzhanija biologicheskogo raznoobrazija lesnyh biogeocenozov: avtoref. dis. … d-ra biol. nauk (Mechanisms of maintenance of biological diversity of forest biogeocenoses. Extended abstract of Doctor’s thesis), Nizhnij Novgorod: NNGU, 2010, 48 p.

Evstigneev O. I., Populjacionnye strategii vidov derev’ev (Population strategies of tree species), Vostochnoevropejskie lesa: istorija v golocene i sovremennost’, Moscow: Nauka, 2004, Vol. 1, pp. 176–205.

Grime J. P., Plant strategies and vegetation processes, N. Y., 1979, 222 p.

Istomina I. I., Kvazisenil’nost’ i ee rol’ v zhizni drevesnyh rastenij: avtoref. dis. … kand. biol. nauk (Quasi-senility and its role in the life of woody plants. Extended abstract of Candidate’s thesis), Moscow: MGPU im. V. I. Lenina, 1993, 16 p.

Kharitonenkov M. A., Rol’ antropogennogo faktora v formirovanii rastitel’nogo pokrova juga Zapadno-Sibirskoj ravniny v jepohu tradicionnogo prirodopol’zovanija (s pozdnego paleolita do konca XIX v.): avtoref. dis. … kand. biol. nauk (The role of anthropogenic factor in the formation of vegetation cover of the South of the West Siberian plain in the era of traditional nature management (from the late Paleolithic to the end of the XIX century), Extended abstract of Candidate’s thesis), Moscow: Mosk. gos. obl. un-t, 2012, 25 p.

Kalyakin V. N., Turubanova S. A., Smirnova O. V., The origin and development of the East European taiga in late Cenozoic, Russian Journal of Ecosystem Ecology, 2016, Vol. 1, No 1, pp. 1–26, DOI: 10.21685/2500-0578-2016-1-2.

Kiseleva L. L., Jekologo-floristicheskij analiz jekotonnyh soobshhestv central’noj lesostepi: avtoref. dis. … kand. biol. nauk (Ecological and floristic analysis of ecotonic communities of the Central forest-steppe. Extended abstract of Candidate’s thesis), Moscow: MGPU im. V. I. Lenina, 1994, 16 p.

Korotkov V. N., Demutacionnye processy v ostrovnyh lesnyh massivah (na primere GIZL “Gorki Leninskie” i Kanevskogo zapovednika): avtoref. dis. … kand. biol. nauk (Demutation processes in island forests (on the example GISL Gorki Leninskie and Kanev nature reserve). Extended abstract of Candidate’s thesis), Moscow: MGPU im. V. I. Lenina, 1993, 16 p.

Korotkov V. N., Novaja paradigma v lesnoj jekologii (New paradigm in forest ecology), Biologicheskie nauki, 1991, No 8, pp. 7–20.

Lugovaja D. L., Rol’ jekotopicheskih i antropogennyh faktorov v formirovanii vidovogo i strukturnogo raznoobrazija juzhnotaezhnyh lesov (vostok Kostromskoj oblasti): avtoref. dis. … kand. biol. nauk (The role of ecotopic and anthropogenic factors in the formation of species and structural diversity of South taiga forests (East of Kostroma region), Extended abstract of Candidate’s thesis), Moscow: MGPU, 2008, 28 p.

Nedoseko O. I., Ontomorfogenez Salix pentandra L., Salix caprea L., Salix cinerea L.: avtoref. dis. … kand. biol. nauk (The ontomorphogenesis Salix pentandra L., Salix caprea L., Salix cinerea L. Extended abstract of Candidate’s thesis), Moscow: MGPU im. V. I. Lenina, 1993, 16 p.

Nedoseko O. I., Stanovlenie zhiznennyh form i arhitektoniki kron boreal’nyh vidov iv podrodov Salix i Vetrix Dumort. v ontogeneze: avtoref. dis. … d-ra biol. nauk (Formation of life forms and architectonics of crowns of boreal species of willows of subgenera Salix and Vetrix Dumort. in ontogenesis. Extended abstract of Doctor’s thesis), Moscow: MSHA im. K. A. Timirjazeva, 2018, 43 p.

Ocenka i sohranenija bioraznoobrazija lesnogo pokrova v zapovednikah Evropejskoj Rossii (Assessment and conservation of forest cover biodiversity in reserves of European Russia), Moscow: Nauchnyj mir, 2000, 196 p.

Ontogenez i vozrastnoj sostav populjacij cvetkovyh rastenij (Ontogenesis and age composition of flowering plant populations), Moscow: Nauka, 1967, 156 p.

Popov S. Ju., Struktura i dinamika rastitel’nosti Kerzhenskogo zapovednika: avtoref. dis. … kand. biol. nauk (Structure and dynamics of vegetation of Kerzhensky reserve. Extended abstract of Candidate’s thesis), Moscow: MGPU, 2008, 20 p.

Rabotnov T. A., Zhiznennyj cikl mnogoletnih travjanistyh rastenij v lugovyh cenozah (Life cycle of perennial herbaceous plants in meadow cenoses), Trudy BIN ANSSSR, Ser. 3, Geobotanika, 1950, Vol. 6, pp. 7–204.

Ramenskij L. G., O principial’nyh ustanovkah, osnovnyh ponjatijah i terminah proizvodstvennoj tipologii zemel’, geobotaniki i jekologii (On fundamental principles, basic concepts and terms of production typology of land, geobotany and ecology), Sovetskaja botanika, 1935, No 4, pp. 25–41.

Ripa S. I., Populjacionno-cenoticheskij analiz gornyh bukovyh i smeshannyh lesov Ukrainskih Karpat: avtoref. dis. … kand. biol. nauk (Population-cenotic analysis of mountain beech and mixed forests of the Ukrainian Carpathians. Extended abstract of Candidate’s thesis), Moscow: MGPU im. V. I. Lenina, 1997, 16 p.

Romanovskij A. M., Osobennosti ontogeneza i fitocenoticheekaja rol’ eli evropejskoj v lesah Nerusso-Desnjanskogo poles’ja: avtoref. dis. … kand. biol. nauk (Features of ontogenesis and phytocenotic role of spruce in the forests Nerussa-Desna Polesye. Extended abstract of Candidate’s thesis), Moscow: MGPU, 2006, 18 p.

Samohina T. Ju., Struktura i spontannaja dinamika hvojno-shirokolistvennyh lesov Srednego Urala: avtoref. dis. … kand. biol. nauk (Structure and spontaneous dynamics of coniferous broad-leaved forests of the Middle Urals. Extended abstract of Candidate’s thesis), M.: MGPU im. V. I. Lenina, 1997, 16 p.

Sarycheva E. P., Strukturnoe i vidovoe raznoobrazie chernool’hovyh lesov centra evropejskoj Rossii (na primere zapovednikov “Brjanskij les” i “Voroninskij”): avtoref. dis. … kand. biol. nauk (Structural and species diversity of black alder forests in the center of European Russia (on the example of reserves “Bryansk forest” and “Voroninsky”) Extended abstract of Candidate’s thesis), M.: MGPU, 2000, 16 p.

Shanijazova Z. P., Populjacionnaja biologija jefemerov Karakalpakii: avtoref. dis. … kand. biol. nauk (Population biology of the ephemera of Karakalpakstan. Extended abstract of Candidate’s thesis), Moscow: MGPU, 1994, 16 p.

Shestakova A. A., Jekologo-cenoticheskie i floristicheskie osobennosti organizacii briobioty na territorii Nizhegorodskoj oblasti: avtoref. dis. … kand. biol. nauk (Ecological-cenotic and floristic features of the organization of mosses in the Nizhny Novgorod region. Extended abstract of Candidate’s thesis), Nizhnij Novgorod: NNGU im. N. I. Lobachevskogo, 2005, 28 p.

Shorina N. I., Kurchenko E. I., Grigor’eva N. M., Aleksej Aleksandrovich Uranov (1901–1974) (Alexei Alexandrovich Uranov, 1901–1974), Samarskaja Luka: problemy regional’noj i global’noj jekologii, 2014, Vol. 23, No 1, pp. 93–129.

Smirnova O. V., Bakun E. Ju., Turubanova S. A., Predstavlenie o potencial’nom i vosstanovlennom rastitel’nom pokrove lesnogo pojasa Vostochnoj Evropy (Understanding of the potential and restored vegetation cover of the forest belt of Eastern Europe), Lesovedenie, 2006, No 1, pp. 22–33.

Smirnova O. V., Bobrovskij M. V., Vozdejstvie proizvodjashhego hozjajstva na sostav i strukturu lesnogo pokrova (The impact of the producing economy on the composition and structure of forest cover), Ocenka i sohranenija bioraznoobrazija lesnogo pokrova v zapovednikah Evropejskoj Rossii (Assessment and conservation of forest cover biodiversity in reserves of European Russia), Moscow: Nauchnyj mir, 2000, pp. 22–26.

Smirnova O. V., Chistjakova A. A., Analiz fitocenoticheskih potencij nekotoryh drevesnyh vidov shirokolistvennyh lesov Evropejskoj chasti SSSR (Analysis of phytocenotic potencies of some woody species of broad-leaved forests of the European part of the USSR), Zhurn. obshh. biol., 1980, Vol. 41, No 3, pp. 350–362.

Smirnova O. V., Chistjakova A. A., Drobysheva T. I., Cenopopuljacionnyj analiz i prognozy razvitija dubovo-grabovyh lesov Ukrainy (Cenopopulation analysis and forecasts of development of oak-hornbeam forests in Ukraine), Zhurn. obshh. biol., 1987, Vol. 48, No 2, pp. 200–212.

Smirnova O. V., Chistjakova A. A., Popadjuk R. V., Evstigneev O. I., Korotkov V. N., Mitrofanova M. V., Ponomarenko E. V., Populjacionnaja organizacija rastitel’nogo pokrova lesnyh territorij (na primere shirokolistvennyh lesov evropejskoj chasti SSSR) (Population organization of vegetation cover of forest areas (on the example of broad-leaved forests of the European part of the USSR)), Pushhino: ONTI Nauchnyj centr biol. issledovanij AN SSSR, 1990, 92 p.

Smirnova O. V., Chistjakova A. A., Popadjuk R. V., Populjacionnye mehanizmy dinamiki lesnyh cenozov (Population mechanisms of the dynamics of forest cenoses), Biologicheskie nauki, 1989, No 11, pp. 48–58.

Smirnova O. V., Chistjakova A. A., Ripa S. I., Lysyh N. I., Populjacionnaja organizacija bukovyh lesov Zakarpat’ja (Population organization of beech forests in Transcarpathia), Bjul. MOIP. Otd. biol., 1989, Vol. 94, No 5, pp. 78–91.

Smirnova O. V., Geraskina A. P., Aleinikov A. A., The concept “complementarity” as the basis for model and nature reconstruction of potential biota in the current climate, Russian Journal of Ecosystem Ecology, 2018, Vol. 3, No 3, pp. 1–21, DOI: 10.21685/2500-0578-2018-3-1.

Smirnova O. V., Kaljakin V. N., Turubanova S. A., Bobrovskij M. V., Sovremennaja zonal’nost’ Vostochnoj Evropy kak rezul’tat preobrazovanija pozdneplejstocenovogo kompleksa kljuchevyh vidov (Modern zoning of Eastern Europe as a result of transformation of the late Pleistocene complex of key species), Mamont i ego okruzhenie: 200 let izuchenija (Mammoth and its environment: 200 years of study), Moscow: Geos, 2001a, pp. 200–208.

Smirnova O. V., Lugovaja D. L., Prokazina T. S., Model’naja rekonstrukcija vosstanovlennogo lesnogo pokrova taezhnyh lesov (Model reconstruction of the restored forest cover of taiga forests), Uspehi sovrem. biol., 2013, Vol. 133, No 2, pp. 164–177.

Smirnova O. V., Popadjuk R. V., Chistjakova A. A., Populjacionnye metody opredelenija minimal’noj ploshhadi lesnogo cenoza (Population methods for determining the minimum area of forest cenosis), Bot. zhurn., 1988, Vol. 73, No 10, pp. 1423–1433.

Smirnova O. V., Popadjuk R. V., Janickaja T. O., Korotkov V. N., Puti vosstanovlenija populjacionnoj struktury i vidovogo raznoobrazija v lesnyh demutacionnyh kompleksah (Ways of restoration of population structure and species diversity in forest demutation complexes), Biologicheskie nauki, 1992, No 5, pp. 7–25.

Smirnova O. V., Populjacionnaja organizacija biocenoticheskogo pokrova lesnyh landshaftov (Population organization of biocenotic cover of forest landscapes), Uspehi sovrem. biol., 1998, Vol. 118, No 2, pp. 148–165.

Smirnova O. V., Populjacionnaja organizacija biogeocenoticheskogo pokrova lesnyh territorij (Population organization of biogeocenosis cover of forest territories), Ocenka i sohranenija bioraznoobrazija lesnogo pokrova v zapovednikah Evropejskoj Rossii (Assessment and conservation of forest cover biodiversity in reserves of European Russia), Moscow: Nauchnyj mir, 2000, pp. 14–22.

Smirnova O. V., Povedenie vidov i funkcional’naja organizacija travjanogo pokrova shirokolistvennyh lesov (na primere ravninnyh shirokolistvennyh lesov Evropejskoj chasti SSSR i lipnjakov Sibiri): dis. … d-ra biol. nauk (Behavior of species and functional organization of grass cover of broad-leaved forests (on the example of flat broad-leaved forests of the European part of the USSR and Linden forests of Siberia). Doctor’s thesis), Leningrad: LGU im. A. A. Zhdanova, 1983, 685 p.

Smirnova O. V., Povedenie vidov i funkcional’naja organizacija travjanogo pokrova shirokolistvennyh lesov Evropejskoj chasti SSSR (Behavior of species and functional organization of grass cover of deciduous forests of the European part of the USSR), Bjul. MOIP. Otd. biol., 1980, Vol. 85, No 5, pp. 53–67.

Smirnova O. V., Struktura travjanogo pokrova shirokolistvennyh lesov (Grass cover structure of broad-leaved forests), Moscow: Nauka, 1987, 208 p.

Smirnova O. V., Toropova N. A., Potencial’naja rastitel’nost’ i potencial’nyj jekosistemnyj pokrov (Potential vegetation and potential ecosystem cover), Uspehi sovrem. biol., 2016, Vol. 136. No 2, pp. 199–211.

Smirnova O. V., Toropova N. A., Potential ecosystem cover — a new approach to conservation biology, Russian Journal of Ecosystem Ecology, 2016, Vol. 1, No 1, pp. 1–16, DOI: 10.21685/2500-0578-2016-1-1.

Smirnova O. V., Toropova N. A., Sukcessija i klimaks kak jekosistemnyj process (Potential vegetation and potential ecosystem cover), Uspehi sovrem. biol., 2008, Vol. 128, No 2, pp. 129–144.

Smirnova O. V., Turubanova S. A., Bobrovskij M. V., Korotkov V. N., Hanina L. G., Rekonstrukcija istorii biocenoticheskogo pokrova Vostochnoj Evropy i problema podderzhanija biologicheskogo raznoobrazija (Reconstruction of the history of the biocenotic cover of Eastern Europe and the problem of maintaining biological diversity), Uspehi sovrem. biol., 2001b, No 2, pp. 144–159.

Smirnova O. V., Turubanova S. A., Formirovanie i razvitie Vostochnoevropejskih shirokolistvennyh lesov v golocene (Formation and development of Eastern European broadleaf forests in the Holocene), Bjul. MOIP. Otd. biol., 2003, Vol. 108, No 2, pp. 32–40.

Smirnova O. V., Voznjak R. R., Evstigneev O. I., Korotkov V. N., Nosach N. Ja., Popadjuk R. V., Samojlenko V. K., Toropova N. A., Populjacionnaja diagnostika i prognozy razvitija zapovednyh lesnyh massivov (na primere Kanevskogo zapovednika) (Population diagnostics and forecasts of development of protected forests (on the example of Kanev reserve)), Bot. zhurn., 1991, Vol. 76, No 6, pp. 860–871.

Smirnova O. V., Zaugol’nova L. A., Popadjuk R. V., Populjacionnaja koncepcija v biocenologii (Population concept in biotsenology), Zhurn. obshh. biol. 1993, Vol. 54, No 4, pp. 438–448.

Smirnova O. V., Zhiznennye cikly, chislennost’ i vozrastnoj sostav populjacij osnovnyh komponentov travjanogo pokrova dubrav: dis. … kand. biol. nauk (Life cycles, number and age composition of populations of the main components of oak grass cover. Candidate’s thesis), Moscow: MGPI im. V. I. Lenina, 1968, 285 p.

Smirnova Ol’ga Vsevolodovna, Intellektual’naya Sistema Tematicheskogo Issledovaniya Naukometricheskih dannyh (Intelligent System case Studies Scientometric data), available at: http://istina.msu.ru/profile/sov1933/ (September 14, 2019).

Sugorkina N. S., Ontogenez i osobennosti populjacionnoj biologii vidov roda geran’: avtoref. dis. … kand. biol. nauk (Ontogenesis and peculiarities of population biology of geranium species. Extended abstract of Candidate’s thesis), Moscow: MGPI, 1989, 17 p.

Turubanova S. A., Jekologicheskij scenarij istorii formirovanija zhivogo pokrova Evropejskoj Rossii i sopredel’nyh territorij na osnove rekonstrukcii arealov kljuchevyh vidov zhivotnyh i rastenij: avtoref. dis. … kand. biol. nauk (Ecological scenario of the history of the formation of the living cover of European Russia and adjacent territories on the basis of the reconstruction of the habitats of key species of animals and plants. Extended abstract of Candidate’s thesis), Moscow: In-t biol. Komi nauchn. centra Ural’skogo otd. RAN, 2002, 23 p.

Voprosy morfogeneza cvetkovyh rastenij i stroenija ih populjacij (Morphogenesis of flowering plants and the structure of their populations), Moscow: Nauka, 1968, 234 p.

Vostochnoevropejskie lesa: istorija v golocene i sovremennost’ (Eastern European forests: history in Holocene and contemporaneity), Moscow: Nauka, 2004a, Vol. 1, 479 p.

Vostochnoevropejskie lesa: istorija v golocene i sovremennost’ (Eastern European forests: history in Holocene and contemporaneity), Moscow: Nauka, 2004b, Vol. 2, 575 p.

Vostochnoevropejskie shirokolistvennye lesa (Eastern European broadleaf forests). Moscow: Nauka, 1994, 364 p.

Vozrastnoj sostav populjacij cvetkovyh rastenij v svjazi s ih ontogenezom (Age composition of flowering plant populations due to their ontogenesis), Moscow: MGPI im. V. I. Lenina, 1974, 216 p.

Zaprudina M. V., Mikromozaichnaja organizacija travjano-kustarnichkovogo i mohovogo pokrova srednetaezhnyh temnohvojnyh lesov Urala: avtoref. dis. … kand. biol. nauk (Micromosaic organization of grass-shrub and moss cover of middle taiga dark coniferous forests of the Urals. Extended abstract of Candidate’s thesis), Moscow: MGPU, M., 2012, 23 p.

Zaugol’nova L. A., Zhukova L. A., Popadjuk R. V., Smirnova O. V., Kriticheskoe sostojanie cenopopuljacij rastenij (The critical state of plant coenopopulations), Problemy ustojchivosti biologicheskih system, Moscow: Nauka, 1992, pp. 51–59.

Zaugol’nova L. B., Smirnova O. V., Komarov A. S., Hanina L. G., Monitoring fitopopuljacij (Monitoring of phytopopulation), Uspehi sovrem. biol. 1993, Vol. 113, No 4, pp. 402–414.

Zaugol’nova L. B., Smirnova O. V., Vozrastnaja struktura cenopopuljacij mnogoletnih rastenij i ee dinamika (Age structure of perennial plant coenopopulations and its dynamics), Zhurn. obshh. biol., 1978, Vol. 39, No 6, pp. 849–858.

Zaugol’nova L. B., Struktura cenopopuljacij semennyh rastenij i problemy ih monitoringa: dis. … d-ra biol. nauk (Structure of seed plant coenopopulations and problems of their monitoring. Doctor’s thesis), SPb: SPb gos. un-t, 1994, 70 p.

Zaugol’nova L. B., Svjaz’ vozrastnogo spektra cenopopuljacij s biologicheskimi svojstvami vida (Relation of age spectrum of coenopopulations with biological properties of a species), In: Vozrastnoj sostav populjacij cvetkovyh rastenij v svjazi s ih ontogenezom (Age composition of flowering plant populations due to their ontogenesis), Moscow: MGPI im. V. I. Lenina, 1974, pp. 38–55.

Zhukova L. A., Mir prinadlezhit optimistam (The world belongs to the optimists), Polivariantnost’ razvitija organizmov, populjacij i soobshhestv, Joshkar-Ola: Mar. gos. un-t, 2006, pp. 229–278.

СИСТЕМА ВЗГЛЯДОВ О. В. СМИРНОВОЙ В ЛЕСНОЙ БИОГЕОЦЕНОЛОГИИ

О. И. Евстигнеев^{1, 3*}, В. Н. Коротков²

 ¹Заповедник «Брянский лес», Россия, 242180, Брянская обл., ст. Нерусса

²Институт глобального климата и экологии имени академика Ю. А. Израэля, Россия, 107258, Москва, ул. Глебовская, 20Б

³Центр по проблемам экологии и продуктивности лесов РАН, Россия, 117997 Москва, ул. Профсоюзная, 84/32, стр. 14

*E-mail: quercus_eo@mail.ru

Поступила в редакцию: 16.09.2019

После рецензирования: 07.10.2019

Принята к печати: 07.10.2019

О. В. Смирнова — профессор, доктор биологических наук, крупный ученый в области демографии растений, популяционной биологии и лесной биогеоценологии. Система взглядов О. В. Смирновой построена на представлениях о ведущей роли популяций растений и животных в организации биогеоценотического покрова. При этом подразумевается, что непрерывный оборот поколений в популяциях эдификаторов (ключевых видов) — необходимое условие для поддержания видового и структурного разнообразия сообществ, а также для обеспечения их устойчивости. Эта система взглядов сформировалась под влиянием идей профессора А. А. Уранова. Развитие этих представлений было последовательным и постепенным. Сначала О. В. Смирнова изучает биологию видов растений разных жизненных форм, их индивидуальное развитие, в котором выделяет онтогенетические состояния, необходимые для демографических исследований, затем — разрабатывает теорию ценопопуляций как надорганизменных систем, способных к самоподдержанию в различных условиях, и, наконец, — развивает учение популяционной организации биогеоценозов и создает концепцию антропогенной трансформации лесного покрова в голоцене. Все это помогает понять механизмы формирования современной зональности, которые обусловлены деятельностью человека.

Ключевые слова: биологический возраст растений, популяционная стратегия растений, ценопопуляция, эдификатор, лесная биогеоценология, современная зональность, историческая экология

Reviewer: Candidate of Biological Sciences A. V. Gornov

]]> https://jfsi.ru/5-2-2022-ershov_sochilova/ Fri, 09 Jun 2023 16:31:59 +0000 https://jfsi.ru/?p=5696

© 2022 г.                                        Д. В. Ершов^*, Е. Н. Сочилова

Центр по проблемам экологии и продуктивности лесов РАН

Россия, 117997, Москва, ул. Профсоюзная, 84/32, стр. 14

^*Е-mail: dvershov67@gmail.com

Поступила в редакцию: 28.11.2022

После рецензирования: 15.12.2022

Принята к печати: 18.12.2022

В статье приводится статистика количества углерода, эмитированного в атмосферу в различных соединениях в результате крупных пожаров 2021 г. в лесах России с использованием данных дистанционного мониторинга. В 2021 г. площадь повреждений лесов от пожаров составила 9.3 млн. га, а размеры выбросов углерода — 66.4 Мт С, что выше среднемноголетних значений почти в два раза. Сравнительный анализ площадей лесных пожаров и прямых эмиссий углерода 2021 г. с временной серией этих показателей за последние двадцать лет позволил сделать вывод о том, что этот год является аномальным относительно всего временного ряда, аналогично пожароопасным сезонам 2003 и 2012 гг. Период повторяемости трех аномальных пожарных сезонов составляет девять лет. Причина повторяемости не установлена. При этом пройденные пожарами площади лесов и размеры выбросов углерода и других парниковых газов в аномальные годы снижается со 127.2 Мт С (3.7 раза) в 2003 г., 83.8 Мт С (2.4 раза) в 2012 г. до 66.4 Мт С (1.9 раза) в 2021 г.

Ключевые слова: лесные пожары, пирогенные эмиссии, углерод, дистанционный мониторинг, лесные горючие материалы

Задача оценки и мониторинга ежегодных прямых выбросов парниковых газов от природных пожаров с помощью данных дистанционного зондирования из космоса решается многими научными коллективами России. Результаты и базы данных с долгосрочными оценками прямых пирогенных эмиссий углерода в XXI в. опубликованы в ряде работ, в частности в работах А. З. Швиденко и Д. Г. Щепащенко (Shvidenko, Schepaschenko, 2013), В. И. Харука с соавторами (Kharuk et al., 2021), Е. И. Пономарева с соавторами (Ponomarev et al., 2021). А. З. Швиденко и Д. Г. Щепащенко определили, что за период с 1998 по 2010 г. на территории России в среднем ежегодные значения прямых выбросов от природных пожаров составили 121 ± 28 Мт С, из которых 92 ± 18 Мт С (2/3 всех выбросов) были связаны с пожарами на покрытых лесом землях. В. И. Харук с соавторами (2021) представили оценку площадей повреждений в результате природных пожаров для Центральной Сибири за период с 1999 по 2019 г. по данным дистанционного зондирования. Авторы констатируют, что 30% всех обнаруженных по спутниковым данным природных пожаров Центральной Сибири встречаются на покрытых лесом землях. Среднемноголетние размеры прямых пирогенных эмиссий углерода от природных пожаров в XXI в. в Сибири по их оценкам составляют 85 ± 20 Мт С /год.

Е. И. Пономарев с соавторами (Ponomarev et al., 2021) дают еще большие размеры выбросов от пожаров для Центральной Сибири за интервал 2002–2020 гг. По их данным, в первом десятилетии XXI в. средний размер пирогенных выбросов углерода составил 80 ± 20 Мт С/год, а во втором десятилетии — 110 ± 20 Мт С/год. При этом авторы отмечают, что в аномальные пожароопасные сезоны 2003, 2012 и 2019 гг. размеры прямых эмиссий углерода от природных пожаров составляли более 150 Мт С/год, 220 Мт С/год и 180 Мт С/год соответственно.

Каждый коллектив применял свои методики расчета запасов лесных горючих материалов до пожара, модели определения типа и интенсивности пожара и методы оценки размеров прямых пирогенных эмиссий. Например, Е. И. Пономарев с соавторами (Ponomarev et al., 2021) использовали в своих моделях значения мощности излучения пожара (fire radiative power) для каждого пикселя изображения MODIS при расчете площадей природных пожаров разной степени интенсивности (низкая, средняя и высокая). Пройденные огнем земли пространственно привязывались к тематическим классам карты растительности (ВЕГА-РRO, 2022) и на основе генерализованных данных о запасах лесных горючих материалов (ЛГМ) из литературных источников и данных наземных измерений определялись суммарные запасы допожарных ЛГМ (в диапазоне от 13.8 до 54.0 т/га) для разных типов древесной растительности. С помощью эмпирических оценок, опять же собранных из научных публикаций, авторы сформировали диапазоны конверсионных коэффициентов и объемов сгораемых ЛГМ при пожарах разной интенсивности. Так, авторы приводят следующие диапазоны расхода запасов фитомассы основных проводников горения лесных горючих материалов для природных пожаров низкой, средней и высокой интенсивности: 1.1–9.7 т/га, 8.6–21.5 т/га и 22.5–53.6 т/га соответственно. Далее эти диапазоны используются для количественных оценок прямых выбросов углерода от пожаров в Сибири.

Цель представленного в статье исследования — дать оценку прямых пирогенных эмиссий углерода за 2021 год на основе разработанной и апробированной методики (Ершов и др., 2009), а также провести анализ и сравнение полученных оценок с многолетними данными наблюдений за лесными пожарами и размерами прямых пирогенных выбросов углерода и других парниковых газов спутникового мониторинга (2002–2020 гг.).

МАТЕРИАЛЫ И МЕТОДЫ

Использованная в нашей работе методика оценки размеров ежегодных прямых пирогенных выбросов углерода, углекислого и других парниковых газов в атмосферу для лесов России на национальном уровне базируется на пиксельной оценке пространственно распределенных данных (растровых картах) о пожарах и допожарных запасах лесных горючих материалов низкого пространственного разрешения MODIS (230 м). Для каждого пикселя с тематическим классом лесного покрова карты растительности наземных экосистем (Барталев и др., 2016) рассчитаны запасы ЛГМ верхнего полога, подроста и подлеска, живого напочвенного покрова и лесной подстилки (т/га) по методике (Сочилова и др., 2009). Созданные цифровые растровые слои составляют основу пространственной базы допожарных лесных горючих материалов. Приведенные в таблице 1 диапазоны минимальных и максимальных запасов ЛГМ для лесных классов карты растительности показывают сопоставимые значения, приведенные в статье Е. И. Пономарева с соавторами (2021) и в статьях других авторов (Вонский, 1957; Курбатский, 1970; Шешуков, 1970; Цветков, 2001; Федоров, Цыкалов, 2002; Фуряев и др., 2007; Матвеева, 2008; Фуряев и др., 2009; Ковалева и др., 2017). Некоторые занижения средних значений запасов фитомассы проводников горения вероятно связаны с тем, что в расчетах использовались данные учета лесного фонда 2006 г. и соответствующие для них конверсионные коэффициенты (Замолодчиков и др., 2003), а также база данных по фитомассе и продуктивности лесов на пробных площадках, собранная по материалам публикаций (Уткин и др., 1994). Возможно, требуется актуализация баз данных расчетов и совершенствование методов расчета. Кроме того, в расчет запасов фитомассы лесных горючих материалов не входят данные для валежа и других крупных древесных остатков, что также могло повлиять на суммарные значения запасов проводников горения. В следующих работах будут сделаны значительные изменения в расчетах запасов фитомассы ЛГМ на основе ряда моделей, опубликованных авторами для следующих слоев: (1) фитомасса деревьев (Schepaschenko et al., 2018); (2) нижние ярусы — подрост и подлесок и (3) живой напочвенный покров (Швиденко и др., 2008); (4) крупные древесные остатки (Швиденко и др., 2009) и (5) лесная подстилка (Щепащенко и др., 2013).

Размеры пирогенных эмиссий углерода в лесах определяются на основе данных о допожарных запасах основных проводников горения лесных горючих материалов, типе и интенсивности пожара (Ершов и др., 2016) и соответствующих расходах и объемах углерода и парниковых газов. Пространственные данные о природных пожарах ежегодно формируются и поступают из ЦКП «ИКИ-Мониторинг» (Лупян и др., 2019).

Таблица 1. Диапазоны значений запасов фитомассы основных проводников горения лесных горючих материалов по типам растительности карты наземных экосистем (Барталев и др., 2016)

Для определения типа и интенсивности лесного пожара используются тематический растровый продукт с характеристикой категории состояния древостоя, поврежденного огнем в результате пожара (Стыценко и др., 2013), и лесные классы карты растительности наземных экосистем (Барталев и др., 2016). В зависимости от степени повреждения хвойных или лиственных лесов в каждом пикселе карты растительности определяется тип пожара (верховой или низовой), а также степень интенсивности низового пожара. Полученный производный растровый продукт типа и интенсивности пожара используется для определения доли расхода запасов проводников горения верхнего полога, подроста и подлеска, живого напочвенного покрова и лесной подстилки. На завершающем этапе запасы фитомассы всех слоев вертикального профиля ЛГМ объединяются в общий показатель и с уменьшением в два раза переводятся в значения прямых пирогенных эмиссий углерода в атмосферу. Для получения оценок парниковых газов используются конверсионные коэффициенты, опубликованные в статье Д. Г. Замолодчикова с соавторами (Замолодчиков и др., 2005).

РЕЗУЛЬТАТЫ И ОБСУЖДЕНИЕ

В результате применения методики расчета пирогенных эмиссий углерода от лесных пожаров мы определили диапазоны (относительно средних значений) расходов фитомассы ЛГМ для разных типов пожара и его интенсивности для пожароопасного сезона 2021 г. Полученные оценки расходов запасов фитомассы в результате низовых пожаров низкой, средней и высокой интенсивности, а также верховых пожаров для покрытой лесом территории России 2021 г. находятся в диапазонах: 0.05–5.46 т/га (в среднем 1.62 ± 0.55 т/га), 1.4–25.33 т/га (в среднем 9.51 ± 1.97 т/га), 0.3–43.25 т/га (в среднем 14.37 ± 4.79 т/га) и 12.20–66.32 т/га (в среднем 24.62 ± 2.35 т/га) соответственно. Приведенные оценки средних значений расходов фитомассы основных проводников горения ЛГМ несколько занижены по сравнению с литературными источниками, приведенными в вводной части статьи, как отмечалось выше из-за недооценки допожарных запасов основных проводников горения ЛГМ. Величину этой недооценки еще предстоит нам выяснить с помощью наземных данных о запасах фитомассы в лесах и других наземных экосистемах, полученных при поддержке гранта на проведение научных исследований в рамках создания национальной системы мониторинга климатически активных веществ (Распоряжение…, 2022).

Результаты размеров пожарных эмиссий за многолетний период наблюдений (2002–2021 гг.) были представлены авторами статьи на конференции «Научные основы устойчивого управления лесами» (Ершов и др., 2022). В соответствии с данными спутникового мониторинга (2002–2021 гг.) суммарная площадь поврежденных пожарами лесов за 20 лет составила 100.3 млн га, а размеры прямых пожарных эмиссий углерода — 725.5 Мт С (табл. 2). За период 2002–2020 гг. средняя площадь повреждений лесов пожарами в год по нашим оценкам равна 4.79 (±3.05) млн. га С/год, размеры прямых пирогенных выбросов углерода — 34.69 (±28.27) Мт С/год.

В предпоследней строке таблицы 2 приводится разница между значениями площадей повреждений пожарами лесов, прямых пирогенных эмиссий углерода и парниковых газов 2021 г. и среднемноголетних значений этих же показателей, полученных за период 2002–2020 гг.

Таблица 2. Оценки прямых эмиссии углерода и других парниковых газов от лесных пожаров, полученных за 2002–2021 гг. спутниковых наблюдений на территории Российской Федерации

Все показатели, за исключением удельных эмиссий углерода (колонка 4), превышают среднемноголетние значения, при этом порядок чисел соизмерим со среднемноголетними оценками. Эмиссии углерода и других парниковых газов в 2021 г. превысили среднемноголетние значения в 1.9 раза, аналогично 2003 г. (превышение в 3.7 раза) и 2012 г. (в 2.4 раза). Таким образом, 2021 г. приравнивается к аномальному году по масштабам прямых выбросов углерода от пожаров аналогично пожароопасным сезонам 2012 и 2003 гг. (рис. 1).

Рисунок 1. Отклонение значений прямых пирогенных эмиссии углерода относительно среднемноголетнего значения за период с 2002 по 2020 гг. Синими линиями обозначены интервалы между аномальными годами с шагом в 9 лет, а цифрами обозначен размер и знак эмиссий углерода относительно среднемноголетнего значения за 19 лет

На графике (рис. 1) выделяются три аномальных года, превышающие суммарные значения пирогенных эмиссий углерода относительно среднемноголетнего показателя соответственно на 92.4, 49.1 и 31.8 Мт С. Временной интервал между этими годами составляет 9 лет. В нашей статье (Ершов, Сочилова, 2020) мы отмечали, что при анализе временного ряда с 2002 по 2020 гг. были обнаружены два аномальных года, временная разница между которыми составляет 9 лет. Мы предположили, что, возможно, 2021 г. станет также аномальным, если выявленная цикличность существует на территории России. Причина такой повторяемости для России на данный момент нами не установлена и требует дополнительного исследования. Можно только констатировать тот факт, что размеры прямых пирогенных эмиссий в аномальные годы снижаются в течение 20 лет с 127.1 Мт С (2003 г.), 83.8 Мт С (2012 г.) до 66.4 Мт С в 2021 г. Предположительно, это связано с тем, что с 2016 по 2020 гг. наблюдается систематическое превышение пирогенных выбросов углерода относительно среднемноголетнего значения, а суммарное значение превышений выбросов за 2012–2020 гг. имеет положительный знак, т. е. 57.45 Мт С (рис. 1). Таким образом, интенсивность пожаров из года в год возрастает, соответственно ежегодный расход ЛГМ в лесных экосистемах увеличивается, что приводит к снижению количества выбросов в аномальные годы. Однако это предположение требует дополнительных проверок полученных модельных расчетов на основе наземных данных поврежденных пожарами лесов, которые будут также собираться при поддержке гранта на проведение научных исследований в рамках создания национальной системы мониторинга климатически активных веществ (Распоряжение…, 2022).

Предположительно 2022 г. будет обычным пожароопасным сезоном в России, не превышающим размеры площадей лесных пожаров и прямых выбросов углерода от них по отношению к среднемноголетним показателям.

Рассматривая в пространстве распределения выбросов углерода от пожаров в 2021 г. на территории России (рис. 2), можно отметить, что основной вклад вносят традиционно регионы Урала (Ханты-Мансийский и Ямало-Ненецкий автономные округа), Сибири (Томская область, Красноярский край, Иркутская область) и Дальнего Востока (Республика Саха (Якутия), Забайкальский край и Амурская область). Отмечается также рост горимости и эмиссий углерода в северных широтах европейской части лесов России по сравнению с 2020 г. (Ершов, Сочилова, 2022).

Рисунок 3 показывает отклонение размеров удельных пирогенных эмиссий углерода 2021 года относительно среднемноголетних значений. В 2021 г. (как и в 2020 г.) превышение эмиссии углерода относительно среднемноголетних значений наблюдаются в лесах республики Якутия, на большей части Магаданской области и Чукотского автономного округа, на севере Хабаровского края. Также эмиссии 2021 г. превышают среднемноголетние значения на лесных землях в приволжском и северо-западном регионах. В европейской и южной частях России превышения значений эмиссий углерода над среднемноголетними показателями носят локальный и фрагментарный характер.

Рисунок 2. Карта распределения прямых удельных выбросов углерода (т/га) от пожаров 2021 г. в лесах России

Рисунок 3. Карта отклонений прямых пирогенных эмиссий углерода в 2021 г. от среднемноголетних значений

ЗАКЛЮЧЕНИЕ

Ежегодные размеры прямых пирогенных выбросов углерода и других парниковых газов от лесных пожаров в России в 2021 г. оценивались по методике ЦЭПЛ РАН. Проведенные расчеты расходов запасов фитомассы лесных горючих материалов для разных типов пожаров и их интенсивности показали заниженные оценки относительно других публикаций, что связано с недооценкой допожарных запасов основных проводников горения в лесах России. Планируется значительно модернизировать методику расчета за счет использования более современных моделей оценки фитомассы слоев лесных горючих материалов и новых наборов спутниковых тематических продуктов среднего пространственного разрешения (230 м).

По результатам применения текущей методики, в 2021 г. площадь повреждений лесов от пожаров составила 9.3 млн га, размеры прямых выбросов углерода от которых оцениваются на уровне 66.4 Мт С. Наши предположения о том, что 2021 год станет аномальным по горимости и размерам выбросов парниковых газов от лесных пожаров, подтвердились. Обнаружена повторяемость аномальных пожароопасных сезонов с шагом в девять лет за последние 20 лет мониторинга. Для выявления причины и установления связи этой повторности требуются дополнительные исследования. Важно отметить, что размеры выбросов в аномальные годы систематически снижаются, что, вероятно, связано с ростом количества крупных пожаров высокой интенсивности в лесах и повышенным расходом лесных горючих материалов в обычные пожароопасные сезоны.

ФИНАНСИРОВАНИЕ

Статистическая оценка размеров пирогенных эмиссий углерода выполнена в рамках государственного задания ЦЭПЛ РАН АААА-А18-118052590019-7, создание и анализ спутниковых продуктов и геоинформационных карт выполнены при поддержке Российского научного фонда (проект № 19-77-30015). 

СПИСОК ЛИТЕРАТУРЫ

Барталев С. А., Егоров В. А., Жарко В. О., Лупян Е. А., Плотников Д. Е., Хвостиков С. А., Шабанов Н. В. Спутниковое картографирование растительного покрова России. М.: ИКИ РАН, 2016. 208 с.

ВЕГА-РRO: спутниковый сервис анализа вегетации. ИКИ РАН, 2022. URL: http://pro-vega.ru. (дата обращения 29.11.2022).

Вонский С. М. Интенсивность огня низовых лесных пожаров и ее практическое значение. Л.: ЛенНИИЛХ, 1957. 52 с.

Ершов Д. В., Барталев С. А., Исаев А. С., Сочилова Е. Н., Стыценко Ф. В. Метод оценки пожарных эмиссий парниковых газов с использованием спутниковых данных: результаты применения для лесов России в 21 веке // Аэрокосмические методы и геоинформационные технологии в лесоведении, лесном хозяйстве и экологии: Доклады VI Всероссийской конференции. (Москва, 20–22 апреля 2016 г.). М.: ЦЭПЛ РАН, 2016. С. 12–17.

Ершов Д. В., Ковганко К. А., Сочилова Е. Н. ГИС-технология оценки пирогенных эмиссий углерода по данным Terra-MODIS и государственного учета лесов // Современные проблемы дистанционного зондирования Земли из космоса. 2009. T .6. № 2. С. 365–372.

Ершов Д. В., Сочилова Е. Н. Двадцатилетняя динамика прямых пирогенных эмиссий углерода в лесах России в 21 веке по данным дистанционного мониторинга // Научные основы устойчивого управления лесами. Материалы Всероссийской научной конференции с международным участием, посвященной 30-летию ЦЭПЛ РАН (Москва, 21-25 апреля 2022 г.) М.: ЦЭПЛ РАН, 2022. С. 267–269.

Ершов Д. В., Сочилова Е. Н. Оценка прямых пирогенных эмиссий углерода в лесах России за 2020 год по данным дистанционного мониторинга // Вопросы лесной науки. Т. 3. № 4. 2020. С. 1–8.

Замолодчиков Д. Г., Коровин Г. Н., Уткин А. И., Честных О. В., Санген Б. Углерод в лесном фонде и сельскохозяйственных угодьях России. М.: КМК, 2005. 200 с.

Замолодчиков Д. Г., Уткин А. И., Честных О. В. Коэффициенты конверсии запасов насаждений в фитомассу для основных лесообразующих пород России // Лесная таксация и лесоустройство. Сибирский государственный технологический университет. 2003. Вып. 1 (32). C. 119–127.

Ковалева Н. М., Собачкин Р. С., Собачкин Д. С., Петренко А. Е. Структура горючих материалов в сосняках разного возраста Красноярской степи // Лесоведение. 2017. № 5. С. 431–436. DOI: 10.7868/S0024114817060055.

Курбатский Н. П. Исследование количества и состава лесных горючих материалов // Вопросы лесной пирологии. Красноярск: ИЛ СО АН СССР, 1970. С. 5−58.

Лупян Е. А., Прошин А. А., Бурцев М. А., Кашницкий А. В., Балашов И. В., Барталев С. А., Константинова А. М., Кобец Д. А., Мазуров А. А., Марченков В. В., Матвеев А. М., Радченко М. В., Сычугов И. Г., Толпин В. А., Уваров И. А. Опыт эксплуатации и развития центра коллективного пользования системами архивации, обработки и анализа спутниковых данных (ЦКП «ИКИ-Мониторинг») // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 3. С. 151–170. DOI: 10.21046/2070-7401-2019-16-3-151-170.

Матвеева Т. А. Запасы лесных горючих материалов в горных лесах Южной Сибири // Вестник Алтайского государственного аграрного университета. 2008. №12 (50). С. 30–33.

Распоряжение Правительства Российской Федерации от 29 октября 2022 года №3240-р «Об утверждении инновационного проекта по созданию национальной системы мониторинга климатически активных веществ». 30 с. URL: http://government.ru/docs/46939/ (дата обращения 14.11.2022).

Сочилова Е. Н., Ершов Д. В., Коровин Г. Н. Методы создания карт запасов лесных горючих материалов низкого пространственного разрешения // Современные проблемы дистанционного зондирования Земли из космоса. 2009. Т. 6. № 2. С. 441–449.

Стыценко Ф. В., Барталев С. А., Егоров В. А., Лупян Е. А. Метод оценки степени повреждения лесов пожарами на основе спутниковых данных MODIS // Современные проблемы дистанционного зондирования Земли из космоса. 2013. Т. 10. № 1. С. 254–266.

Уткин А. И., Гульбе Я. И., Гульбе Т. А., Ермолова Л. С. Биологическая продуктивность лесных экосистем. Компьютерная база данных. М.: ИЛ РАН, ЦЭПЛ РАН, 1994.

Федоров E. H., Цыкалов А. Г. Наземные горючие материалы в зеленомошных лиственничниках Средней Сибири // Лесоведение. 2002. № 6. С. 63–67.

Фуряев В. В., Заблоцкий В. И., Злобина Л. П., Черных В. А., Самсоненко С. Д. Комплексы напочвенных горючих материалов и возможность их регулирования в профилактике лесных пожаров // Лесное хозяйство. 2007. № 1. С. 43–44.

Фуряев И. В., Дементьева, Ю. С., Фуряев В. В. Структура комплексов напочвенных горючих материалов в насаждениях Верхне-Обского массива Алтайского края // Сборник трудов «Проблемы лесоведения и лесоводства». 2009. Вып. 69. С. 737–742.

Цветков П. А. Запасы горючих материалов в лесах северо-востока Эвенкии // Лесное хозяйство. 2001. № 4. С. 93–96.

Швиденко А. З., Щепащенко Д. Г., Нильссон С., Булуй Ю. И. Таблицы и модели хода роста и продуктивности насаждений основных лесообразующих пород Северной Евразии (нормативно-справочные материалы). Издание 2-е, доп. М: Федеральное агентство лесного хозяйства, 2008. 886 с.

Швиденко А., Щепащенко Д., Нильссон С. Оценка запасов древесного детрита в лесах России // Лесная таксация и лесоустройство. 2009. № 1 (41). С. 133–147.

Шешуков М. А. Влияние некоторых факторов среды на полноту сгорания горючих материалов и их критический запас при лесных пожарах // Лесоведение. 1970. № 4. С. 40–43.

Щепащенко Д. Г., Мухортова Л. В., Швиденко А. З., Ведрова Э. Ф. Запасы органического углерода в почвах России // Почвоведение. 2013. № 2. С. 123–132.

Kharuk V. I., Ponomarev E. I., Ivanova G. A., Dvinskaya M. L., Coogan S. C., Flannigan M. D. Wildfires in the Siberian taiga // Ambio. 2021. Vol. 50. P. 1–22. DOI: 10.1007/s13280-020-01490-x.

Ponomarev E., Yakimov N., Ponomareva T., Yakubailik O., Conard S. G. Current trend of carbon emissions from wildfires in Siberia // Atmosphere. 2021. Vol. 12 (5). Article 559. DOI: 10.3390/atmos12050559.

Shvidenko A. Z., Schepaschenko D. G. Climate change and wildfires in Russia // Contemporary Problems of Ecology. 2013. Vol. 6. No. 7. P. 683–692. DOI: 10.1134/S199542551307010X

Schepaschenko D., Moltchanova E., Shvidenko A., Blyshchyk V., Dmitriev E., Martynenko O., See L., Kraxner F. Improved estimates of biomass expansion factors for Russian forests // Forests. 2018. Vol. 9. No. 6. Article 312. DOI: 10.3390/f9060312

Рецензент: д. с.-х. н. Швиденко А. З.

]]> https://jfsi.ru/5-4-2022-tebenkova_et_al/ Fri, 02 Jun 2023 16:18:19 +0000 https://jfsi.ru/?p=5688

© 2022                               Д. Н. Тебенькова^*, Д. В. Гичан, Ю. Н. Гагарин

Центр по проблемам экологии и продуктивности лесов РАН,

Россия, 117997, г. Москва, ул. Профсоюзная 84/32, стр. 14

E-mail: tebenkova.dn@gmail.com

Поступила в редакцию: 20.11.2022

После рецензирования: 18.12.2022

Принята к печати: 20.12.2022

В работе приводится обзор российских и зарубежных статей, посвященных изучению влияния лесоводственных мероприятий на пул почвенного углерода для оценки эффективности лесоклиматических проектов. Проведенный анализ работ позволяет заключить, что лесоводственные мероприятия влияют на содержание почвенного углерода через изменение скорости поступления и разложения органического вещества и, как следствие, влияют на перераспределение углерода в профиле почв. Рубка высокой интенсивности, в том числе сплошная, уборка порубочных остатков, повреждение напочвенного покрова при посадке лесных культур, создание монокультур могут отрицательно влиять на пул углерода почв. Напротив, выборочные рубки и рубки ухода слабой интенсивности, оставление порубочных остатков, создание смешанных лесных плантаций, особенно на заброшенных сельскохозяйственных землях, являются перспективными лесохозяйственными приемами, которые способствуют накоплению и сохранению углерода почв.

Ключевые слова: углерод, почва, лесные климатические проекты, лесоводственные мероприятия

В 2019 г. Российская Федерация ратифицировала Парижское соглашение по климату, которое в свою очередь пришло на смену Киотскому протоколу. В настоящее время соглашение является основным регулирующим механизмом по снижению содержания углекислого газа (CO₂) в атмосфере. Оно признает лес одним из важнейших поглотителей и накопителей париковых газов, требующим особого внимания и охраны со стороны государств — членов соглашения (Парижское соглашение, 2015). В России для достижения целей Парижского соглашения в 2021 г. утверждена Стратегия социально-экономического развития России с низким уровнем выбросов парниковых газов до 2050 г. Целью Стратегии заявлено достижение углеродной нейтральности при устойчивом росте экономики. Ее реализация планируется в том числе за счет роста поглощающей способности лесов в результате совершенствования практик управления, лесопользования, лесовосстановления и лесоразведения. В связи с этим большую популярность приобретают лесоклиматические проекты, направленные на усиление углерододепонирующей функции лесных экосистем. К тому же лесовосстановление и другие виды биологического связывания углерода относятся к числу наименее затратных подходов к сокращению выбросов парниковых газов (Gillingham, Stock, 2018).

Лесоклиматические проекты — это комплекс мероприятий, обеспечивающих сокращение (предотвращение) выбросов парниковых газов или увеличение их поглощения с учетом поглощающей способности лесов и иных экосистем (Законопроект № 1116605-7). По расчетам КПМГ (KPMG International Limited), с учетом данных Института глобального климата и экологии, потенциал лесоклиматических проектов по сокращению выбросов парниковых газов в России составляет до 40–45% среди всех других направлений секвестрации парниковых газов (360-420 млн т СО₂ экв. год^-1) (Специальные лесоклиматические проекты…, 2021).

Аргументом в пользу того, что леса уменьшают концентрацию СО₂ в атмосфере, является то, что живые деревья поглощают CO₂ из атмосферы, формируя в ходе фотосинтеза органические соединения и выделяя кислород в атмосферу. Леса сохраняют углерод в растительности и почвах на длительное время, что обуславливает их преимущество по сравнению с агроценозами, где происходит быстрый возврат углерода в биологические циклы. Каждая тонна углерода, хранящегося в древесине, соответствует удалению из атмосферы 3.67 т CO₂ (Oliver et al., 2014).

Показано, что скорость роста деревьев снижается с возрастом, а древесина мертвых лесных деревьев разлагается с выделением CO₂, который выбрасывается обратно в атмосферу (Oneil, Lippke, 2010). Поэтому было сделано заключение о том, что в стареющих лесах скорость поглощения СО₂ замедляется. Так, данные инвентаризации лесов Западной Австралии показывают, что темпы роста начинают замедляться к пятому десятилетию с небольшим дальнейшим ростом к девятому десятилетию, поскольку смертность одних деревьев компенсируется ростом других (FIA, 2020; Lippke et al., 2020). Тем не менее, рационально обоснованные режимы рубок при условии консервирования углерода в долгоживущих изделиях из древесины могут способствовать непрерывному поглощению углерода. К таким режимам относят рубку в период, когда древостой близок к максимальной скорости роста, а объемы заготовки не превышают величину годового прироста. Типичный пример устойчиво управляемых лесов Западной Австралии показывает, что каждый гектар деревьев, посаженных в 2000 г., через 23 года поглотил примерно 45 т углерода из атмосферы, к середине первого оборота рубки из атмосферы удалено 165 т CO₂. К концу первой ротации в возрасте 45 лет было абсорбировано 180 т углерода в древесине и 660 т CO₂ были удалены из атмосферы в результате роста деревьев. Из 180 т углерода 75 т хранились в долгоживущих изделиях из древесины и сопутствующих продуктах, 30 т — в недолговечных бумажных изделиях, 60 т — в порубочных остатках и 15 т — в биотопливе. В результате суммарные выбросы от сжигания ископаемого топлива от всех источников уменьшилась с 20.4 до 5.4 т углерода (Lippke et al., 2021).

Для оценки трансформации углерода при проведении рубок лесных насаждений важно понимать пути дальнейшего использования лесоматериалов. При производстве долгоживущих материалов из древесины углерод не возвращается в атмосферу, как следствие не происходит эмиссии CO₂. Материалы с коротким жизненным циклом, например биотопливо, древесная щепа, целлюлозно-бумажная продукция, способствуют быстрой эмиссии CO₂. По мнению Б. Г. Федорова (2017), рубка лесных насаждений должна рассматриваться не как эмиссия СО₂, а как омоложение вырубленной территории — увеличение чистой экосистемной продукции (NEP), а окисление древесины и древесной продукции следует учитывать уже по мере её использования потребителем.

Климаторегулирующая роль лесов не ограничивается депонированием углерода в древесине. Общие запасы углерода в почве (включая подстилку) составляют примерно 70% запасов углерода экосистемы в бореальных лесах, примерно 60% в лесах умеренного пояса и примерно 30% в тропических лесах соответственно (Pan et al., 2011). В старовозрастных лесах это значение доходит до 90% (Johnson et al., 2010). Суммарно для России запасы углерода почв в слоях 0–30 см, 0–50 см и 0–100 см оценены в 128.4 × 10⁹ т, 166.5 × 10⁹ т и 215.8 × 10⁹ т. Для слоя 0–100 см средние запасы — 162 ± 23 т С га^–1 (Честных и др., 2022). С одной стороны, деятельность по управлению земельными ресурсами с целью получения древесного сырья для замены углеродоёмких производств может увеличить потери углерода посредством нарушения почв, уменьшения прочности агрегатов, увеличения числа пожаров и сокращения растительного покрова. С другой стороны, объем поглощаемого углерода увеличивается, если применяются методы лесопользования, при которых добавляется большее количество биомассы в почву, уменьшается повреждение почвы, сохраняется влага, улучшается структура почв и повышается активность почвенной биоты. Несмотря на размеры запасов углерода в почве, роль почвенного углерода в прошлом часто игнорировалась или недооценивалась во многих инициативах по изменению климата.

Увеличение спроса на высококачественные экологические углеродные кредиты может опережать их предложение, о чем свидетельствует увеличение на 60% средней цены компенсации выбросов углерода, связанной с природными решениями, в 2021 г. по сравнению с предыдущим годом, достигнув средней цены по миру в 4 долл. США за тонну (Donofrio et al., 2022). Узкое место в реализации углеродных проектов — неопределенности, связанные с реакцией почв на проектную деятельность, которые могут иметь решающее значение для поддержки и обоснования инвестиционных решений как по защите существующих запасов углерода (например, защита малонарушенных лесов), так и по формированию новых запасов углерода (например, лесовосстановление). Если задачей управления лесными ресурсами является значительное уменьшение последствий изменения климата, следует лучше изучить влияние различных видов лесоводственных мероприятий на уровень почвенного углерода и рекомендовать наиболее эффективные меры для лесоклиматических целей.

Цель настоящей статьи — рассмотреть влияние различных лесоводственных мероприятий на пул углерода почв с точки зрения эффективности их использования для лесоклиматических проектов.

1. Основные требования к лесоклиматическим проектам

Для оценки эффективности тех или иных мер в отношении депонирования углерода необходимо дать анализ требований к лесоклиматическим проектам. Основными требованиями к лесоклиматическим проектам являются дополнительность, постоянство и отсутствие утечки (The Greenhouse Gas Protocol…, 2006; Verified Carbon Standard, 2022, Шанин и др., 2022).

Дополнительность предполагает, что при выполнении проекта будет происходить большее поглощение парниковых газов, чем без его реализации. Чтобы оценить такую «дополнительность проекта», необходимо разработать базовую линию (сценарий обычного развития событий, или эталонный сценарий), которая чаще всего содержит обязательные требования текущего законодательства, и сценарий проекта. Единицы сокращения выбросов в результате выполнения проекта рассчитываются как разница между результатами проектной деятельности и базовой линией. Единицы, которые не отражают реальное сокращение выбросов, называют ложными. Они могут появляться, например, если в проекте не учитывается или неверно определена базовая линия. Дополнительность является ключом к обеспечению того, чтобы ложные углеродные единицы не ставили под угрозу глобальные углеродные рынки (Michaelowa et al., 2019). Если страны или любой другой субъект используют ложные единицы для выполнения своих обязательств по компенсации выбросов, это приведет к общему увеличению выбросов, а не к их сокращению. Таким образом, дополнительность является гарантией целостности окружающей среды.

Принцип постоянства требует, чтобы результаты проекта по удалению парниковых газов сохранялись длительное время (как минимум 100 лет). Чтобы продемонстрировать постоянство, необходимо проводить сторонний мониторинг результатов проекта, сроки которого зависят от типа проекта (раз в 5 лет, ежегодно).

Утечка в лесоклиматических проектах — это уменьшение или увеличение секвестрации парниковых газов за пределами географических границ проекта, которое прямо или косвенно связано с реализацией проекта (Atmadja, Verchot, 2012; Streck, 2021). Утечка может быть как положительной, так и отрицательной. В первом случае она усиливает сокращение выбросов парниковых газов за счет положительных эффектов вытеснения. Например, в горных областях облесение территории проекта способствовало уменьшению эрозии на соседнем нижележащем по склону участке, за счет чего стало происходить большее депонирование углерода в почве. Хотя эффекты от положительных утечек могут быть существенными, они, по понятным причинам, не являются предметом каких-либо споров. Во втором случае утечка снижает секвестрацию выбросов, что делает проект неэффективным, перемещая выбросы в другое место, не сокращая их. Отрицательная утечка переносит нагрузку с одного района на другой. Она может быть вызвана в том числе перемещением людей, технологий или капитала. Например, запрет на рубку в одном месте приводит к увеличению объемов рубки в другом. В зависимости от того, являются ли события, которые привели к эффектам смещения, прямыми или косвенными, можно различать первичную или вторичную утечку (Aukland et al., 2003). Чтобы лесоклиматический проект считался эффективным, необходимо единовременное выполнение всех требований.

2. Влияние лесоводственных мероприятий на пул углерода в лесных почвах

В лесных экосистемах аспекты управления (рубка, уборка порубочных остатков, уходы за лесом, лесовосстановление, внесение удобрений, охрана и защита леса и др.) могут повлиять на хранение почвенного углерода. Такая деятельность влияет на запасы почвенного углерода через изменение скорости поступления и разложения органического вещества. Далее представлен краткий обзор влияния основных лесоводственных мероприятий, которые могут быть элементами лесоклиматических проектов, на пул углерода почв.

2.1. Рубки лесных насаждений

Лесозаготовительные мероприятия являются одним из главных антропогенных факторов, изменяющих лесные почвы (Дымов, 2017). Сплошные рубки представляют собой наиболее распространенную во всем мире практику лесозаготовок, в целом имеющую негативные последствия для запасов углерода в почве. Потери углерода в почве после сплошной рубки могут быть связаны в основном с уменьшением поступления углерода (т. е. опада) и/или увеличением скорости разложения и как следствие — характером возобновления растений напочвенного покрова и древесного яруса. Было высказано предположение, что более высокая инсоляция и более теплые, благоприятные микроклиматические условия почвы стимулируют микробное дыхание после удаления древесного полога (Pumpanen et al., 2004; Kulmala et al., 2014; Mayer et al., 2017). Почвы вырубок теплее почв хвойных лесов, но при этом для почв вырубок выше суточная амплитуда колебаний температур (Дымов, Старцев, 2016). Однако также было продемонстрировано, что ферментативные процессы, участвующие в расщеплении органического вещества и разложении подстилки, могут оставаться неизменными или снижаться после сплошных рубок (Cardenas et al., 2015; Kohout et al., 2018). Более низкая ферментативная активность связана с уменьшением корневого опада, основную долю которого составляют тонкие корни, и с изменениями в микробном сообществе почвы (Kohout et al., 2018). Согласно метаисследованию (Holden, Treseder, 2013), сплошная рубка снижает микробную и грибную биомассу на 14–33% и 20–40% соответственно, оказывая меньшее воздействие, чем лесной пожар, но большее, чем вспышки численности насекомых. К тому же уменьшение влажности в поверхностных слоях почвы снижает скорость разложения подстилки (Prescott et al., 2000). С другой стороны, благодаря уменьшению транспирации в результате рубки древостоя возрастает содержание влаги в нижних слоях почвы. Показано, что при рубках в средней и северной тайге Республики Коми происходит изменение соотношения поверхностного и подземного стока, а также режимов постоянных водотоков и внутригодового перераспределения стока (Трансформация…, 1996). Ускоренная эрозия, выщелачивание и сход лавин также могут способствовать уменьшению запасов углерода в почве после рубки леса (Katzensteiner, 2003). Перемещенный углерод депонируется в другом месте (Hoffmann et al., 2013), что противоречит принципу утечки. Интенсивность проявления отдельных элементарных почвообразовательных процессов зависит в первую очередь от типа леса, состава растений напочвенного покрова и древесного яруса, типа и гранулометрического состава почв, климатических условий зоны (Дымов, 2017).

Сплошные рубки снижают запас почвенного углерода до 10% во всем почвенном профиле с наибольшей потерей в лесной подстилке (Johnson, Curtis, 2001; Achat et al., 2015). Проведенный метаанализ (Nave et al., 2010) исследований для лесов умеренного пояса показал, что лесозаготовки снижают запас углерода в почве в среднем на 8%: запасы углерода в лесной подстилке снизились на 30%, в то время как минеральные горизонты не показали значительных общих изменений. Потери углерода в лесной подстилке были выше в лиственных лесах (–36%), чем в хвойных или смешанных лесах (–20%) Согласно другому метаанализу (James, Harrison, 2016), лесозаготовки сокращают запасы углерода в почве в среднем на 11.2%, при этом наибольшие потери происходят в органических горизонтах (–30.2%). Меньшие потери происходят в верхнем минеральном слое почвы (глубина 0–15 см; –3.3%) и глубоких слоях почвы (60–100 см; –17.7%). Исследования хронологической последовательности и метаанализ показывают, что запасы почвенного углерода в лесной подстилке и минеральной почве начинают восстанавливаться через 10–50 лет после рубки древостоя (Tang et al., 2009; Nave et al., 2010; Achat et al., 2015; James, Harrison, 2016).

Выборочная рубка, при которой сохраняются живые деревья, может уменьшить потери почвенного углерода, связанные с лесозаготовками. Струкель с соавторами (Strukelj et al., 2015) показали, что в условиях бореальных лесов Канады через 9 лет после сплошной рубки осины участок стал источником углерода, а частично вырубленные насаждения стали поглотителем углерода. В насаждениях с преобладанием ели европейской (Picea abies) в Австрии выборочные рубки привели к увеличению запасов почвенного углерода в верхней части минеральной почвы на 11% по сравнению с традиционной сплошной рубкой при достижении возраста спелости (Pötzelsberger, Hasenauer, 2015). Выборочные рубки в лесах нотофагуса низкого (Nothofagus pumilio) в чилийской Патагонии привели лишь к кратковременным потерям почвенного углерода (Klein et al., 2008). Сообщается об уменьшении запасов почвенного углерода в минеральной почве и о нейтральном воздействии на слой подстилки после заготовки лесоматериалов в дубовом лесу в Новой Англии (Warren, Ashton, 2014). Тем не менее, другие исследователи обнаружили небольшую разницу или отсутствие различий между эффектами выборочной и сплошной рубок на запасы углерода в почве (Hoover, 2011; Christophel et al., 2015; Puhlick et al., 2016). Однако следует отметить, что изменение пула углерода в почве после рубки происходит в течение десятилетий и даже столетий (Achat et al., 2015; James, Harrison, 2016), но в большинстве исследований изучается изменение почвенного углерода в течение 15 лет после рубки. Для восполнения этого пробела необходимо создание и поддержание долгосрочных исследовательских участков в различных типах лесных экосистем (Clarke et al., 2015). Кроме того, восполнить пробелы в долгосрочных оценках запасов почвенного углерода возможно с помощью методов математического моделирования.

Модель Romul_Hum (Komarov et al., 2017, Комаров и др., 2017; Chertov et al., 2017а, 2017b) описывает трансформацию (минерализацию и гумификацию) почвенного органического вещества в зависимости от его химических свойств и погодных условий почвы. Результаты моделирования представлены в ряде статей (Kalinina et al., 2018; Shanin et al., 2021; Шанин и др., 2022). В настоящий момент большинство имитационных экспериментов с использованием модели проведены для объектов в бореальной зоне, но ее возможно параметризировать для хвойно-широколиственных лесов. Благодаря интеграции модели Romul_Hum со статистическим генератором почвенного климата SCLISS (Быховец, Комаров, 2002) существует возможность моделирования при различных сценариях изменения климата. Также обе вышеназванные модели вместе с динамической моделью древостоя FORRUS-S (Чумаченко, 1993; Chumachenko et al., 2003), моделью BioCalc (Ханина и др., 2006; Khanina et al., 2007, 2014), прогнозирующей динамику видового разнообразия живого напочвенного покрова лесных территорий, моделью испарения с лесных массивов EVAPROF (Карпечко, 2016; Кондратьев и др., 2019), гидрологической моделью формирования стока с водосбора ILHM (Кондратьев, Шмакова, 2005; Кондратьев, 2007), моделью формирования биогенной нагрузки на водные объекты ILLM (Кондратьев, 2007; Кондратьев и др., 2011; Behrendt, Dannowski, 2007) объединены в систему моделей RUFOSS (Чумаченко и др., 2020) для оценки компромиссов и синергии между экосистемными услугами лесов.

2.2. Удаление порубочных остатков

Порубочные остатки представляют собой смесь компонентов деревьев с низкой товарной стоимостью, которые остаются на лесосеке после рубки. Они состоят из листьев / хвои, веток, некачественных стволов или стволов небольшого диаметра, коры, сухостоя, пней и корней. Остатки содержат углерод и могут оказывать воздействие на накопление/потери углерода косвенно, например через влияние на микробные сообщества (Mushinski et al., 2019) и почвенный микроклимат (Devine, Harrington, 2007). Современный спрос на возобновляемые источники энергии (например, топливную древесину) повысил интерес к использованию порубочных остатков. Биомасса в настоящее время представляет собой крупнейший возобновляемый источник энергии, и большинство путей МГЭИК, ограничивающих глобальное потепление до 1.5 °C, включают более широкое использование биомассы для производства энергии (De Coninck et al., 2018). Удаление порубочных остатков с участка влияет на запасы углерода в почве, поэтому фактический баланс углерода при замене ископаемого топлива порубочными остатками для производства энергии должен учитывать эти возможные изменения.

В литературе встречаются неоднозначные выводы влияния уборки порубочных остатков на запасы углерода в почве, чаще всего сообщается об их снижении. Например, обнаружено, что вывоз остатков приводит к уменьшению (–6%) запасов углерода в почве, тогда как их сохранение увеличивает запасы почвенного углерода (Johnson, Curtis, 2001). Проведенный метаанализ (Achat et al., 2015) показал, что удаление порубочных остатков приводит к значительным потерям запасов почвенного углерода в лесной подстилке (от 10% до 45%) и даже в слоях почвы глубиной более 20 см (10%) и что вывоз остатков оказывает большее влияние в умеренных, чем в холодных (бореальных) лесах. Запасы углерода в лесной подстилке также сокращаются с увеличением интенсивности лесозаготовок (–24% при уборке порубочных остатков). Таким образом, вывоз остатков приводит к потере в среднем 11% углерода всего почвенного профиля.

Также часто сообщается об отсутствии эффекта уборки порубочных остатков. В обзорах (Johnson, Curtis, 2001; Thiffault et al., 2011; Clarke et al., 2015) не найдено четких доказательств общего снижения содержания углерода в почве после удаления древесных остатков. Кроме того, на четырнадцати экспериментальных участках, которые входят в сеть долгосрочного мониторинга продуктивности почвы, в Канаде (Morris et al., 2019) и в Европе (Walmsley et al., 2009) не было обнаружено явного влияния удаления остатков на запасы почвенного углерода в течение 20 лет после рубки.

В скандинавских странах широко распространено использование пней. Полевые исследования заготовки пней в этих странах либо не выявили снижения запасов почвенного углерода в минеральных почвах (Strömgren et al., 2013; Jurevics et al., 2016), либо выявили лишь небольшое снижение (Hyvönen et al., 2016; Vanguelova et al., 2017). Однако удаление пней привело к сокращению запасов почвенного углерода на 24% в лесу умеренного пояса в Вашингтоне, США (Zabowski et al., 2008). В центральной Швеции на участках, где проводилась уборка пней, было обнаружено значительно более низкое содержание почвенного углерода в гумусовом слое по сравнению с участками, где проводилась скарификация (Persson et al., 2017). Воздействие удаления пней на пул углерода выше для органических почв, чем для минеральных. Например, в торфяных почвах Уэльса с высоким содержанием органического вещества до 50% общего углерода в толще 0–80 см было потеряно в течение первых четырех лет после заготовки пней (Vanguelova et al., 2017).

Для вырубок характерно залповое поступление остатков древесины в виде порубочных остатков, крупных древесных остатков, в том числе пней, сохраняющихся достаточно длительное время, которое формирует органическое вещество почв. Показано, что в условиях средней тайги Республики Коми уже в 40-летних вторичных березняках валеж практически полностью отсутствует (Дымов, 2017).

2.3. Посадка лесных культур

Общепризнанными подходами к связыванию углерода сегодня являются и лесовосстановление, и лесовыращивание, в том числе плантационное. Результаты анализа влияния посадки лесных культур на углерод почвы весьма разнообразны, поскольку почвы могут получать углерод, не претерпевать изменений или даже терять углерод после облесения (Guo, Gifford, 2002; Vesterdal et al., 2002). Тем не менее, в большинстве обзоров представлены первоначальные потери углерода с последующим небольшим увеличением. Потеря углерода может происходить в течение короткого периода после облесения, когда существует дисбаланс между потерей углерода в результате микробного дыхания почвы и поступлением углерода в результате опада. Посадка приводит к нарушению почвы и может стимулировать минерализацию почвенного органического вещества. Несколько исследований, в которых сравнивались различные методы подготовки участка, показали, что потери почвенного углерода увеличиваются с возрастанием интенсивности нарушения почвы (Schmidt et al., 1996; Mallik, Hu, 1997). Песчаные почвы особенно чувствительны к нарушению (Carlyle, 1993). Эти потери не обязательно компенсируются поступлением углерода с опадом на молодой плантации из-за его низкого объема. Экспериментальные данные подтверждают эту теорию. Прирост углерода в верхней минеральной почве плантационных лесов может быть компенсирован потерями старого углерода из более глубоких частей почвы (Paul et al., 2002; Vesterdal et al., 2002). В экспериментах в Южной Каролине с ладанной сосной (Pinus taeda) 80% накопления углерода произошло в биомассе, некоторое накопление было обнаружено в лесной подстилке и лишь небольшое количество аккумулировалось в минеральной почве (Richter et al., 1999). Первоначальное накопление углерода происходит в лесной подстилке. Условия, не способствующие микробным процессам в почве, такие как песчаный состав, низкая доступность питательных веществ и низкий уровень pH, могут привести к образованию мощного слоя лесной подстилки (Vesterdal et al., 1995; Vesterdal, Raulund-Rasmussen, 1998). Ее мощность и химические свойства варьируют также в зависимости от породного состава насаждений (Vesterdal, Raulund-Rasmussen, 1998).

Особое значение имеет выбор древесных пород для лесовосстановления. Согласно метаанализу (Laganiere et al., 2010), среднее увеличение запасов почвенного углерода через 20-30 лет после облесения широколиственными видами составило 25%. Для сравнения, для хвойных видов увеличение за тот же период составляет 2%. Запасы почвенного углерода в лесной подстилке обычно больше под хвойными, чем под широколиственными видами деревьев (Vesterdal et al., 2013; Boča et al., 2014), в то время как в минеральной толще наоборот (Vesterdal et al., 2013). Результаты математического моделирования (Шанин и др., 2022) показали, что создание монокультур сосны обыкновенной (Pinus sylvestris) оказалось менее эффективным по сравнению с естественным зарастанием мелколиственным древостоем, что противоречит принципу дополнительности. Наибольшая эффективность в накоплении углерода спрогнозирована для смешанных культур сосны обыкновенной с примесью 2-3 единиц мелколиственных видов — березы и осины (Betula spp. и Populus tremula).

Создание смешанных насаждений вместо монокультур может способствовать более высоким запасам почвенного углерода вследствие взаимодополняемости надземных и подземных ниш (Pretzsch, 2014). Во-первых, в смешанных насаждениях производство биомассы, следовательно, и поступление опада выше, чем у чистых насаждений (Resh et al., 2002); во-вторых, более эффективное использование корнями объема почвы, поэтому отмечается повышенное поступление корневого опада (Finér et al., 2017).

На участках национальной инвентаризации лесов умеренной и бореальной зоны по всей Швеции была обнаружена устойчивая положительная связь между видовым разнообразием и запасом углерода в почве (Gamfeldt et al., 2013). Такие же закономерности выявлены для субтропических лесов Китая (Li et al., 2019). В работе (Аккумуляция углерода…, 2018) на примере лесов Московской, Брянской областей и Северо-западного Кавказа показана тесная линейная положительная связь между запасами углерода в минеральных горизонтах почв и видовой насыщенностью, отражающей возрастающее разнообразие состава (разного соотношения между элементами питания и вторичными метаболитами) опада, продуцируемого растениями разных видов. Для этих же объектов позднее показано, что смешанный опад является предиктором высокой активности дождевых червей разных функциональных групп и, как следствие, высокого запаса почвенного углерода в хвойно-широколиственных лесах (Kuznetsova et al., 2021). В работе (Кузнецова и др., 2020) показано, что увеличение доли подроста лиственных пород деревьев и трав, продуцирующих опад высокого качества, способствует повышению скорости разложения опада, снижению запасов подстилки, увеличению запасов углерода в минеральном профиле. В Центральной Европе лучшим вариантом являются смеси бука и ели, даже если чистые еловые насаждения имеют более высокую скорость роста (Pretzsch, 2005). Это может быть связано с вкладом различных видов древесных растений во внутрипрофильное распределение углерода в почвах. В работе Фишера с соавт. (Fischer et al., 2002) показано, что при подсадке бука в сосновые насаждения больше углерода накапливается в более глубоких минеральных слоях почвы, так как корни бука проникают глубже в почву, чем корни сосны. В то же время создание елового леса после букового приводит к высвобождению углерода из минеральных горизонтов почвы, которые больше не пронизаны корнями (Kreutzer et al., 1986). Также показано, что небольшая добавка быстроразлагаемого опада лиственных видов деревьев приводит к переносу углерода в минеральные горизонты почв (Cotrufo et al., 2013; Córdova et al., 2018) за счет увеличения потока растворенного органического вещества из подстилки (Fröberg et al., 2011). Учеными ведется разработка функциональной классификации лесов по оценке эффективности выполнения ими функции регулирования цикла углерода, в основе которой лежат экосистемные процессы разложения опада (Лукина и др., 2021).

Видовой состав влияет на стабильность почвенного углерода. Исследования в Германии показали, что хвойные леса хранят около 35% общего количества почвенного углерода в лабильном органическом слое, который часто подвержен антропогенному воздействию, лесным пожарам и изменению температуры (Wiesmeier et al., 2013). Смешанные леса содержат больше углерода в минеральной толще, поэтому углерод менее подвержен изменениям температуры. Стабильность почвенного углерода в минеральной почве выше в смешанных лесах, чем в хвойных, в том числе из-за симбиотической связи лиственных видов с арбускулярной микоризой (Craig et al., 2018; Keller et al., 2021).

Различия в запасах углерода в почвах чистых и смешанных лесов объясняются также влиянием древесных растений на поступление растворенного органического углерода и на его вынос с почвенными водами. Принято считать, что из-за высокого индекса листовой поверхности хвойные растения лучше, чем лиственные, способствуют перехвату и транспирации осадков (Achat et al., 2015), что влияет на объемы выноса почвенного углерода и его перераспределение в профиле. Однако в работе А. И. Кузнецовой и др. (2022) показано, что в старовозрастных полидоминантных хвойно-широколиственных лесах поступление углерода с осадками меньше, чем в молодых сосняках кустарничково-зеленомошных и сосняках сложных. Это связано с более плотным пологом древостоя, который эффективнее перехватывает осадки, и с меньшим обогащением воды углеродом во время прохождения осадков через полог. Поэтому вынос углерода из органогенных горизонтов в более старых полидоминантных широколиственных лесах в среднем в 4.8 раза ниже, чем в относительно молодых сосняках.

Тем не менее, результаты исследований в США показывают, что лесовосстановление, площади которого в настоящее время занимают более 500 млн га, в долгосрочной перспективе увеличивает запасы углерода в верхнем слое почвы и что земли с восстановленными лесами будут поглощать кумулятивно 1.3–2.1 10⁹ т углерода в течение столетия (13–21 × 10⁶ т C·г^-1). Ежегодно эти приросты углерода составляют 10% поглощения углерода в лесном секторе США (Nave et al., 2018). С 1950 г. по 2012 г. плантации в Китае, площадь которых равна 79.5 млн га, секвестрировали 1.686 × 10⁹ т углерода. Запас углерода на современных плантациях Китая составляет 7.894 × 10⁹ т, включая 21.4% от общего поглощения в виде лесной биомассы и 78.6% в виде органического вещества почвы (Huang et al., 2012).

По мнению ряда экспертов, в том числе экспертов Научного совета Российской академии наук по лесу (Резолюция …, 2021), одним из перспективных видов лесных климатических проектов для России является лесоразведение, в том числе плантационное, на заброшенных сельскохозяйственных землях. По оценкам Р. М. Риттер и Л. Риттер (2020), на плантациях пяти видов деревьев (гибриды осины, тополя, березы повислой, ели европейской, лиственницы) на бывших сельскохозяйственных землях Швеции скорость секвестрации углерода спустя почти десятилетие колебалась от нуля до 2.3–4.9 т C га⁻¹ год⁻¹, средние скорости секвестрации почвенного углерода составляли от –3.0 до 0.78 т C га^-1 год^-1 в течение первых 8–9 лет. По данным полевого эксперимента (Rytter, 2012) в южной и центральной Швеции, накопление углерода в древесной биомассе лесными плантациями тополя и ивы на пахотных землях оценивается в 76.6–80.1 т С га^-1 и накопление углерода в почве — в 9.0–10.3 т С га^-1 за первые 20–22 года выращивания. Средние скорости секвестрации углерода составляли 3.5–4.0 т C га^-1 год^-1 в древесной биомассе и 0.4–0.5 т C га^-1 год^-1 в почве. По другим данным, в условиях штата Айова, США, при выращивании ивы и тополя для биотоплива скорость накопления углерода в биомассе составляет 3.4 и 4.3 т C га^-1 год^-1, в почве — 0.9 и 1.9 соответственно (Lemus, Lal, 2005). Также сообщалось, что запасы углерода в почве под 24-летними плантациями ивы и тополя в 1.5 раза больше, чем на безлесной территории (Georgiadis et al., 2017). Результаты модельных оценок (Припутина и др., 2016) для плантаций быстрорастущих форм осины в условиях Республики Марий Эл показали, что за 30 лет почвенные запасы углерода изменяются от –06.6 до 19.5 т га^-1 в зависимости от схемы посадки. Следует отметить, что большинство опубликованных натурных оценок годового чистого изменения запасов углерода почвы на лесных энергетических плантациях превышает минимальные требования (0.25 т C га⁻¹ год ⁻¹, Volk et al., 2004) для признания таких плантаций из быстрорастущих видов древесных растений углероднейтральным.

2.4. Рубки ухода

Механизм влияния рубок ухода на почвенный углерод такой же, как у выборочных рубок. Ожидается, что частичное удаление древесного полога сократит запасы углерода в почве из-за уменьшения поступления опада и/или увеличения скорости его разложения из-за увеличения температуры и влажности почвы, особенно в первые годы после рубок ухода, когда полог открыт. Показано, что рубки ухода приводят к повышению температуры почвы на 8.7% и дыхания почвы на 29.4%, за счет чего сокращается запас подстилки на 23.7% (Zhang et al., 2018). Рубки ухода могут привести к значительному сокращению количества крупных древесных остатков (Achat et al., 2015), поскольку увеличивается продолжительность жизни листьев и ветвей из-за увеличения расстояния между деревьями. Тем не менее, рубки ухода снижают конкуренцию между деревьями, увеличивая прирост запаса углерода в биомассе древостоя. Экспериментальные данные (Lee et al., 2023) показали, что чистое поглощение углерода (разница между ежегодным увеличением пула углерода в древесине и выбросами углерода в результате микробного дыхания) в насаждениях туполистного кипарисовика (Chamaecyparis obtusa (Siebold and Zucc.) Endl.) увеличилось при удалении 30% древостоя по сравнению с нетронутым уходом контролем.

Однако в большинстве исследований не сообщалось о значительном воздействии рубок ухода на запасы почвенного углерода минеральных горизонтов (Noormets et al., 2015; Zhou et al., 2013; Kim et al., 2016), хотя некоторые исследователи сообщали о потере углерода (например, Mushinski et al., 2019) даже в более глубоких горизонтах почвы (до 1 м) (Gross et al., 2018). Очевидно, что степень изменения запасов углерода зависит от интенсивности рубки. Запасы органического углерода в лесной подстилке могут быть уменьшены в случае рубки высокой интенсивности, например, до 50% уменьшения площади поперечных сечений по сравнению с контролем (Vesterdal et al., 1995; Achat et al., 2015; Bravo-Oviedo et al., 2015). Метаанализ (Zhang et al., 2018) показал, что удаление менее 33% запаса стволовой древесины способствует увеличению запаса углерода в почве на 17.2%; удаление 33–65% запаса стволовой древесины не оказывает влияние на запасы почвенного углерода; удаление более 65% запаса стволовой древесины снижает запас углерода в почве на 7.6%. При этом общее содержание углерода в почве увеличивается на 29.5% в течение первых двух лет после рубки ухода независимо от ее интенсивности. Авторы (Zhang et al., 2018) связывают этот факт с поступлением большого количества органического вещества после рубок ухода. Кроме того, повышенная температура почвы и солнечная радиация способствуют росту подлеска и оставшихся деревьев. К тому же Панг с соавторами (Pang et al., 2016) обнаружили положительное влияние температуры и влажности почвы на рост мелких корней после рубок ухода.

Необходимы долгосрочные полевые эксперименты по изучению запасов почвенного углерода при разной интенсивности рубок ухода (Zhang et al., 2018). Такие эксперименты были бы необходимы, чтобы связать запасы почвенного углерода с интенсивностью прореживания и определить пороговые значения количества стволов, подлежащих удалению. К тому же необходимо учитывать абиотические (климатические условия, почвообразующие породы, рельеф) и биотические (растительность, почвенная биота) факторы функционирования существующих и новых лесных экосистем.

ЗАКЛЮЧЕНИЕ

Одним из эффективных путей достижения целей Парижского соглашения являются лесные климатические проекты, неотъемлемая часть которых — повышение продуктивности существующих лесных экосистем, в том числе за счет лесоводственных мероприятий. Однако при оценке их эффективности часто игнорируются происходящие в пуле почвенного углерода изменения, которые могут повлиять на выполнение требований к лесоклиматическим проектам: дополнительность, постоянство и отсутствие утечки.

Анализ современного состояния вопроса позволяет заключить, что лесоводственные мероприятия оказывают воздействие на содержание почвенного углерода через изменение скорости поступления и разложения органического вещества и, как следствие, влияют на перераспределение углерода в профиле почв. Рубки лесных насаждений являются главным фактором изменения пула углерода почв. Чаще всего сообщается о сокращении запасов углерода при сплошных рубках и об увеличении их при выборочных рубках и рубках ухода слабой и умеренной интенсивности. Аргументом в пользу умеренных рубок также служит поддержание структурного разнообразия сообществ, создание мозаичности, разновозрастности насаждений. Леса с высоким биоразнообразием эффективнее накапливают и хранят углерод. Удаление порубочных остатков уменьшает запас углерода в почве через сокращение поступления органических остатков и через влияние на микробные сообщества и почвенный микроклимат. В большинстве обзоров при создании лесных культур представлены первоначальные потери углерода с последующим небольшим увеличением. Потеря углерода может происходить в течение короткого периода после облесения, когда существует дисбаланс между потерей углерода в результате микробного дыхания почвы и поступлением углерода в результате опада. Создание смешанных насаждений вместо монокультур может привести к более высоким запасам почвенного углерода вследствие взаимодополняемости надземных и подземных ниш, более высокого поступления опада в почву из-за уплотнения полога, более высокой продуктивности смешанных насаждений, большего поступления корневого опада из-за максимально эффективного использования объема почвы корнями, эффективного регулирования поступления углерода с осадками и его выноса с почвенными водами. Одним из перспективных видов лесных климатических проектов для России является плантационное лесоразведение на заброшенных сельскохозяйственных землях из-за низкой базовой линии проекта, значительных площадей и транспортной доступности заброшенных участков. Опубликованные натурные исследования показывают высокий потенциал использования клонов быстрорастущих древесных растений с целью лесоклиматических проектов. Тем не менее, необходимы долгосрочные полевые эксперименты для оценки влияния лесоводственных мероприятий на запасы углерода почвы для конкретных почвенно-климатических условий. 

БЛАГОДАРНОСТИ

Работа выполнена в рамках молодежной лаборатории ЦЭПЛ РАН «Климаторегулирующие функции и биоразнообразие лесов» (регистрационный номер 122111500023-6).

СПИСОК ЛИТЕРАТУРЫ

Аккумуляция углерода в лесных почвах и сукцессионный статус лесов / Под ред. Н. В. Лукиной. М.: Тов-во научн. изданий КМК, 2018. 232 с.

Быховец С. С., Комаров А. С. Простой статистический имитатор климата почвы с месячным шагом // Почвоведение. 2002. № 4. С. 443–452.

Дымов А. А. Влияние сплошных рубок в бореальных лесах России на почвы (обзор) // Почвоведение. 2017. № 7. С. 787–798.

Дымов А. А., Старцев В. В. Изменение температурного режима подзолистых почв в процессе естественного лесовозобновления после сплошных рубок // Почвоведение. 2016. № 5. С. 599–608.

Законопроект № 1116605-7 «Об ограничении выбросов парниковых газов». URL: https://sozd.duma.gov.ru/bill/1116605-7 (дата обращения 08.12.2022).

Карпечко Ю. В. Влияние рубок на сток с лесопокрытой части водосбора Онежского озера // Труды КарНЦ РАН. 2016. № 5. С. 13–20.

Кондратьев С. А. Формирование внешней нагрузки на водоемы: проблемы моделирования. СПб.: Наука, 2007. 255 c.

Кондратьев С. А., Казмина М. В., Шмакова М. В., Маркова Е. Г. Метод расчета биогенной нагрузки на водные объекты // Региональная экология. 2011. № 3–4. С. 50–59.

Кондратьев С. А., Карпечко Ю. В., Шмакова М. В., Расулова А. М., Родионов В. З. Опыт экспериментальных исследований и математического моделирования воздействий вырубки леса и последующего лесовосстановления на сток и вынос химических веществ с лесных водосборов // Региональная экология. 2019. № 1 (55). С. 25–53.

Кондратьев С. А., Шмакова М. В. Изучение формирования стока с речных водосборов методами математического моделирования (на примере бассейна Ладожского озера) // Cб. науч. тр. XII съезда РГО. СПб.: Наука, 2005. T. 6. C. 99–104.

Кузнецова А. И., Лукина Н. В., Горнов А. В., Горнова М. В., Тихонова Е. В., Смирнов В. Э., Данилова М. А., Тебенькова Д. Н., Браславская Т. Ю., Кузнецов В. А., Ткаченко Ю. Н., Геникова Н. В. Запасы углерода в песчаных почвах сосновых лесов на западе России // Почвоведение. 2020. № 8. С. 959–969.

Кузнецова А. И., Горнов А. В., Горнова М. В., Тебенькова Д. Н., Никитина А. Д., Кузнецов В. А. Оценка выноса углерода с почвенными водами в доминирующих типах леса Брянского Полесья // Почвоведение. 2022. № 9. С. 1086–1097.

Лукина Н. В. Гераськина А. П., Кузнецова А. И., Смирнов В. Э., Горнов А. В., Шевченко Н. Е., Тихонова Е. В., Тебенькова Д. Н., Басова Е. В. Функциональная классификация лесов: актуальность и подходы к разработке // Лесоведение. 2021. № 6. С. 566–580.

Парижское соглашение. 2015. URL: https://golnk.ru/oMxvm (дата обращения 08.02.2022).

Припутина И. В., Фролова Г. Г., Шанин В. Н. Выбор оптимальных схем посадки лесных культур: компьютерный эксперимент // Компьютерные исследования и моделирование. 2016. Т. 8. № 2. С. 333–343.

Резолюция по итогам научных дебатов «Лесные климатические проекты в России», 19.10.2021 г., Москва, ЦЭПЛ РАН. URL: https://goo.su/ITAB. (дата обращения 08.02.2022).

Специальные лесоклиматические проекты могут способствовать снижению углеродного налога, который Евросоюз планирует ввести в 2025 году. 2021 URL: http://www.igras.ru/news/2719 (дата обращения 07.02.2022).

Трансформация экосистем севера в зоне интенсивной заготовки древесины // Труды Коми научного центра УрО РАН. 1996. № 154. 160 с.

Федоров Б. Г. Российский углеродный баланс: монография. М.: Научный консультант, 2017. 82 с.

Ханина Л. Г., Бобровский М. В., Комаров А. С., Михайлов А. В., Быховец С. С., Лукьянов А. М. Моделирование динамики разнообразия лесного напочвенного покрова // Лесоведение. 2006. № 1. С. 70–80.

Честных О. В., Грабовский В. И., Замолодчиков Д. Г. Оценка запасов почвенного углерода лесных районов России с использованием баз данных почвенных характеристик // Лесоведение. 2022. № 3. С. 227–238.

Чумаченко С. И. Базовая модель динамики многовидового разновозрастного лесного ценоза // Вопросы экологии и моделирования лесных экосистем: сб. науч. тр. МЛТИ. Вып. 248. М.: МЛТИ, 1993. С. 147–180.

Чумаченко С. И., Шанин В. Н., Митрофанов Е. М., Лебедев С. В., Фролов П. В., Кондратьев С. А., Шмакова М. В., Лукина Н. В., Тебенькова Д. Н., Ханина Л. Г., Грабарник П. Я., Чертов О. Г., Бобровский М. В. RUFOSS — программный модуль интеграции имитационных моделей для оценки взаимодействий между лесными экосистемными услугами. Свидетельство № 2020666245 от 12.10.2020.

Шанин В. Н., Фролов П. В., Коротков В. Н. Всегда ли искусственное лесовосстановление может быть лесоклиматическим проектом // Вопросы лесной науки. 2022. Т. 5. № 2. С. 103–139.

Achat D. L. Fortin M., Landmann G., Ringeval B., Augusto L. Forest soil carbon is threatened by intensive biomass harvesting // Scientific Reports. 2015. Vol. 5. No. 1. P. 1–10.

Atmadja S., Verchot L. A review of the state of research, policies and strategies in addressing leakage from reducing emissions from deforestation and forest degradation (REDD+) // Mitigation and Adaptation Strategies for Global Change. 2012. No. 17 (3). P. 311–336.

Aukland L., Costa P. M., Brown S. A. Conceptual framework and its application for addressing leakage: the case of avoided deforestation // Climate Policy. 2003. No. 3 (2). P. 123–136.

Behrendt H., Dannowski R. Nutrients and heavy metals in the Odra River System. Germany: Weissensee Verlag Publ., 2007. 337 p.

Boča A., Van Miegroet H., Gruselle M. C. Forest overstory effect on soil organic carbon storage: a meta-analysis // Soil Science Society of America Journal. 2014. Vol. 78. No. S1. P. 35–47.

Bravo-Oviedo A., Ruiz-Peinado R., Modrego P., Alonso R., Montero G. Forest thinning impact on carbon stock and soil condition in Southern European populations of P. sylvestris L. // Forest Ecology and Management. 2015. Vol. 357. P. 259–267.

Cardenas E., Kranabetter J. M., Hope G., Maas K. R., Hallam S., Mohn W. W. Forest harvesting reduces the soil metagenomic potential for biomass decomposition // The ISME Journal. 2015. Vol. 9. No. 11. P. 2465–2476.

Carlyle J. C. Organic carbon in forested sandy soils: properties, processes, and the impact of forest management // New Zealand Journal of Forestry Science. 1993. Vol. 23. No. 3. P. 390–402.

Chertov O., Komarov, A., Shaw, C., Bykhovets, S., Frolov, P., Shanin, V., Grabarnik P., Priputina I., Zubkova, E., Shashkov M. Romul_Hum—A model of soil organic matter formation coupling with soil biota activity. II. Parameterisation of the soil food web biota activity // Ecological Modelling. 2017a. Vol. 345. P. 125–139.

Chertov O., Shaw C., Shashkov M., Komarov A., Bykhovets S., Shanin V., Grabarnik P., Frolov P., Priputina I., Kalinina O., Zubkova E. Romul_Hum model of soil organic matter formation coupled with soil biota activity. III. Parameterisation of earthworm activity // Ecological Modelling. 2017b. Vol. 345. P. 140–149.

Christophel D., Höllerl S., Prietzel J., Steffens M. Long-term development of soil organic carbon and nitrogen stocks after shelterwood-and clear-cutting in a mountain forest in the Bavarian Limestone Alps // European Journal of Forest Research. 2015. Vol. 134. No. 4. P. 623–640.

Chumachenko S. I., Korotkov V. N., Palenova M. M., Politov D. Simulation modeling of long-term stand dynamics at different scenarios of forest management for coniferous-broad-leaved forests // Ecological Modelling. 2003. Vol. 170. P. 345–362.

Clarke N., Gundersen, P., Jönsson-Belyazid U., Kjønaas O. J., Persson, T., Sigurdsson, B. D., Vesterdal L. Influence of different tree-harvesting intensities on forest soil carbon stocks in boreal and northern temperate forest ecosystems // Forest Ecology and Management. 2015. Vol. 351. P. 9–19.

Córdova S. C., Olk D. C., Dietzel R. N., Mueller K. E., Archontouilis S. V., Castella M. J. Plant litter quality affects the accumulation rate, composition, and stability of mineral-associated soil organic matter // Soil Biology and Biochemistry. 2018. Vol. 125. P. 115–124.

Cotrufo M. F., Wallenstein M. D., Boot C. M., Denef K., Paul E. The Microbial Efficiency Matrix Stabilization (MEMS) framework integrates plant litter decomposition with soil organic matter stabilization: do labile plant inputs form stable soil organic matter? // Global change biology. 2013. Vol. 19. No. 4. P. 988–995.

Craig M. E., Turner B. L., Liang C., Clay K., Johnson D. J., Phillips R. P. Tree mycorrhizal type predicts within site variability in the storage and distribution of soil organic matter // Global Change Biology. 2018. Vol. 24. No. 8. P. 3317–3330.

De Coninck H., Revi A., Babiker M., Bertoldi P., Buckeridge M., Cartwright A., Sugiyama T. Strengthening and implementing the global response // Global warming of 1.5 C: Summary for policy makers. IPCC-The Intergovernmental Panel on Climate Change. 2018. P. 313–443.

Devine W. D., Harrington C. A. Influence of harvest residues and vegetation on microsite soil and air temperatures in a young conifer plantation // Agricultural and Forest Meteorology. 2007. Vol. 145. No. 1–2. P. 125–138.

Donofrio S., Maguire P., Daley Ch., Calderon C., Lin K. Forest Trends’ Ecosystem Marketplace The Art of Integrity: State of Voluntary Carbon Markets, Q3 Insights Briefing. Washington DC., Forest Trends Association, 2022. 21 p.

FIA. Forest Inventory Analysis National Program, USFS. USDA Forest Service. 2020. Retrieved July 10, 2020, available at: https://www.fia.fs.fed.us./ (дата обращения 24.06.2022).

Finér L. Domisch T., Dawud S. M., Raulund-Rasmussen K., Vesterdal L., Bouriaud O., Valladares F. Conifer proportion explains fine root biomass more than tree species diversity and site factors in major European forest types // Forest Ecology and Management. 2017. Vol. 406. P. 330–350.

Fischer H., Bens O., Hüttl R. Veränderung von Humusform, -vorrat und -verteilung im Zuge von Waldumbau-Maßnahmen im Nordostdeutschen Tiefland // Forstwissenschaftliches Centralblatt vereinigt mit Tharandter forstliches Jahrbuch. 2002. Vol. 121. No. 6. P. 322–334.

Fröberg M., Hansson K., Kleja D. B., Alavi Gh. Dissolved organic carbon and nitrogen leaching from Scots pine, Norway spruce and silver birch stands in southern Sweden // Forest Ecology and Management. 2011. Vol. 262. No. 9. P. 1742–1747.

Gamfeldt L., Snäll T., Bagchi R., Jonsson M., Gustafsson L., Kjellander P., Bengtsson J. Higher levels of multiple ecosystem services are found in forests with more tree species // Nature Communications. 2013. Vol. 4. No. 1. P. 1–8.

Georgiadis P., Vesterdal L., Stupak I., Raulund‐Rasmussen K. Accumulation of soil organic carbon after cropland conversion to short rotation willow and poplar // GCB Bioenergy. 2017. Vol. 9. No. 8. P. 1390–1401.

Gillingham K., Stock J. H. The Cost of Reducing Greenhouse Gas Emissions // Journal of Economic Perspectives. 2018. No. 32 (4). P. 53–72.

Gross C. D., James J. N., Turnblom E. C., Harrison R. B. Thinning treatments reduce deep soil carbon and nitrogen stocks in a coastal pacific northwest forest // Forests. 2018. Vol. 9. No. 5. Article 238.

Guo L. B., Gifford R. M. Soil carbon stocks and land use change: a meta-analysis // Global Change Biology. 2002. Vol. 8. No. 4. P. 345–360.

Hoffmann T., Schlummer M., Notebaert B., Verstraeten G., Korup O. Carbon burial in soil sediments from Holocene agricultural erosion, Central Europe // Global Biogeochemical Cycles. 2013. Vol. 27. No. 3. P. 828–835.

Holden S. R., Treseder K. K. A meta-analysis of soil microbial biomass responses to forest disturbances // Frontiers in Microbiology. 2013. Vol. 4. Article 163.

Hoover C. M. Management impacts on forest floor and soil organic carbon in northern temperate forests of the US // Carbon Balance and Management. 2011. Vol. 6. No. 1. P. 1–8.

Huang L. Liu J., Shao Q., Xu X. Carbon sequestration by forestation across China: Past, present, and future // Renewable and Sustainable Energy Reviews. 2012. Vol. 16. No. 2. P. 1291–1299.

Hyvönen R., Kaarakka L., Leppälammi-Kujansuu J., Olsson B. A., Palviainen M., Vegerfors-Persson B., Helmisaari H. S. Effects of stump harvesting on soil C and N stocks and vegetation 8–13 years after clear-cutting // Forest Ecology and Management. 2016. Vol. 371. P. 23–32.

James J., Harrison R. The effect of harvest on forest soil carbon: A meta-analysis // Forests. 2016. Vol. 7. No. 12. Article. 308.

Johnson D. W., Curtis P. S. Effects of forest management on soil C and N storage: meta- analysis // Forest Ecology and Management. 2001. Vol. 140. No. 2–3. P. 227–238.

Johnson K., Scatena F. N., Pan Y. Short- and long-term responses of total soil organic carbon to harvesting in a northern hardwood forest // Forest Ecology and Management. 2010. Vol. 259. P. 1262–1267.

Jurevics A., Peichl M., Olsson B. A., Strömgren M., Egnell G. Slash and stump harvest have no general impact on soil and tree biomass C pools after 32–39 years // Forest Ecology and Management. 2016. Vol. 371. P. 33–41.

Kalinina L., Chertov O., Frolov P., Goryachkin S., Kuner P., Küper J., Kurganova I., Lopes de Gerenyu V., Lyuri D., Rusakov A., Kuzyakov Y., Giani L. Alteration process during the post-agricultural restoration of Luvisols of the temperate broad-leaved forest in Russia // Catena. 2018. Vol. 171. P. 602–612.

Katzensteiner K. Effects of harvesting on nutrient leaching in a Norway spruce (Picea abies Karst.) ecosystem on a Lithic Leptosol in the Northern Limestone Alps // Plant and Soil. 2003. Vol. 250. No. 1. P. 59–73.

Keller A. B., Brzostek E. R., Craig M. E., Fisher J. B., Phillips R. P. Root‐derived inputs are major contributors to soil carbon in temperate forests, but vary by mycorrhizal type // Ecology Letters. 2021. Vol. 24. No. 4. P. 626–635.

Khanina L., Bobrovsky M., Komarov A., Mikhajlov A. Modeling dynamics of forest ground vegetation diversity under different forest management regimes // Forest Ecology and Management. 2007. Vol. 248. P. 80–94.

Khanina L. G., Bobrovsky M. V., Komarov A. S., Shanin V. N., Bykhovets S. S. Model predictions of effects of different climate change scenarios on species diversity with or without management intervention, repeated thinning, for a site in Central European Russia // Nitrogen Deposition, Critical Loads and Biodiversity. Springer, 2014. P. 173–182.

Kim S., Han S. H., Li G., Yoon T. K., Lee S. T., Kim C., Son Y. Effects of thinning intensity on nutrient concentration and enzyme activity in Larix kaempferi forest soils // Journal of Ecology and Environment. 2016. Vol. 40. No. 1. P. 1–7.

Klein D., Fuentes J. P., Schmidt A., Schmidt H., Schulte A. Soil organic C as affected by silvicultural and exploitative interventions in Nothofagus pumilio forests of the Chilean Patagonia // Forest Ecology and Management. 2008. Vol. 255. No. 10. P. 3549–3555.

Kohout P. Charvátová M., Štursová M., Mašínová T., Tomšovský M., Baldrian P. Clearcutting alters decomposition processes and initiates complex restructuring of fungal communities in soil and tree roots // The ISME Journal. 2018. Vol. 12. No. 3. P. 692–703.

Komarov A., Chertov O., Bykhovets S., Shaw C., Nadporozhskaya M., Frolov P., Shashkov M., Shanin V., Grabarnik P., Priputina I., Zubkova E. Romul_Hum model of soil organic matter formation coupled with soil biota activity. I. Problem formulation, model description, and testing // Ecological Modelling. 2017. Vol. 345. P. 113–124.

Kreutzer K., Deschu E., Hösl G. Vergleichende Untersuchungen uber den Ein-fluβ von Fichte (Picea abies [L.] Karst.) und Buche (Fagus sylvatica L.) auf die Sickerwasserqualität // Forstwissenschaftliches Centralblatt. 1986. Vol. 105. P. 364–371.

Kulmala L., Aaltonen H., Berninger F., Kieloaho A. J., Levula J., Bäck J., Pumpanen J. Changes in biogeochemistry and carbon fluxes in a boreal forest after the clear-cutting and partial burning of slash // Agricultural and Forest Meteorology. 2014. Vol. 188. P. 33–44.

Kuznetsova A. I., Geraskina A. P., Lukina N. V., Smirnov V. E., Tikhonova E. V., Shevchenko N. E., Gornov A. V., Ruchinskaya E. V., Tebenkova D. N. Linking vegetation, soil carbon stocks, and earthworms in upland coniferous–broadleaf forests // Forests. 2021. No. 12 (9). Article 1179.

Laganiere J., Angers D. A., Pare D. Carbon accumulation in agricultural soils after afforestation: a meta-analysis // Global Change Biology. 2010. Vol. 16. No. 1. P. 439–453.

Lee J. G., Lee D. H., Jeong J. Y., Lee S. G., Han S. H., Kim S. J., Kim H. J. The Effects of Stand Density Control on Carbon Cycle in Chamaecyparis obtusa (Siebold and Zucc.) Endl. // Forests. 2023. Vol. 14 (2). Article. 217.

Lemus R., Lal R. Bioenergy crops and carbon sequestration // Critical Reviews in Plant Sciences. 2005. Vol. 24. No. 1. P. 1–21.

Li Y., Bruelheide H., Scholten T., Schmid B., Sun Z., Zhang N., Bu W., Liu X., Ma K. Early positive effects of tree species richness on soil organic carbon accumulation in a large-scale forest biodiversity experiment // Journal of Plant Ecology. 2019. Vol. 12. No. 5. P. 882–893.

Lippke B., Puettmann M., Oneil E., Oliver C. D. The plant a trillion trees campaign to reduce global warming — Fleshing out the concept // Journal of Sustainable Forestry. 2021. Vol. 40. No. 1. P. 1–31.

Lippke B., Puettmann M. E., Oneil E. CORRIM Tech Note 1. Effective uses of forest derived products to reduce carbon emissions. The Consortium for Research on Renewable Industrial Materials. 2020. Retrieved July 10, 2020; available at: https://corrim.org/use-of-forest-products-to-reduce-carbon-emissions/ (дата обращения 24.06.2022).

Mallik A. U., Hu D. Soil respiration following site preparation treatments in boreal mixedwood forest // Forest Ecology and Management. 1997. Vol. 97. No. 3. P. 265–275.

Mayer M., Sandén H., Rewald B., Godbold D. L., Katzensteiner K. Increase in heterotrophic soil respiration by temperature drives decline in soil organic carbon stocks after forest windthrow in a mountainous ecosystem // Functional Ecology. 2017. Vol. 31. No. 5. P. 1163–1172.

Michaelowa A. Hermwille L., Obergassel W., Butzengeiger S. Additionality revisited: guarding the integrity of market mechanisms under the Paris Agreement // Climate Policy. 2019. Vol. 19. No. 10. P. 1211–1224.

Morris D. M., Hazlett P. W., Fleming R. L., Kwiaton M. M., Hawdon L. A., Leblanc J. D., Weldon T. P. Effects of Biomass Removal Levels on Soil Carbon and Nutrient Reserves in Conifer Dominated, Coarse Textured Sites in Northern Ontario: 20 Year Results // Soil Science Society of America Journal. 2019. Vol. 83. P. 116–132.

Mushinski R. M., Gentry T. J., Boutton T. W. Forest organic matter removal leads to long-term reductions in bacterial and fungal abundance // Applied Soil Ecology. 2019. Vol. 137. P. 106–110.

Nave L. E., Domke G. M., Hofmeister K. L., Mishra U., Perry C. H., Walters B. F., Swanston C. W. Reforestation can sequester two petagrams of carbon in US topsoils in a century // Proceedings of the National Academy of Sciences. 2018. Vol. 115. No. 11. P. 2776–2781.

Nave L. E., Vance E. D., Swanston C. W., Curtis P. S. Harvest impacts on soil carbon storage in temperate forests // Forest Ecology and Management. 2010. Vol. 259. No. 5. P. 857–866.

Noormets A., Epron D., Domec J. C., McNulty S. G., Fox T., Sun G., King J. S. Effects of forest management on productivity and carbon sequestration: A review and hypothesis // Forest Ecology and Management. 2015. Vol. 355. P. 124–140.

Oliver C. D., Nassar N. T., Lippke B. R., McCarter J. B. Carbon, fossil fuel, and biodiversity mitigation with wood and forests // Journal of Sustainable Forestry. 2014. Vol. 33. No. 3. P. 248–275.

Oneil E. E., Lippke B. R. Integrating products, emission offsets, and wildfire into carbon assessments of Inland Northwest forests // Wood and Fiber Science. 2010. Vol. 42. P. 144–164.

Pan Y., Birdsey R. A., Fang J., Houghton R., Kauppi P. E., Kurz W. A., Hayes D. A large and persistent carbon sink in the world’s forests // Science. 2011. Vol. 333. No. 6045. P. 988–993.

Pang X., Hu B., Bao W., de Oliveira Vargas T., Tian G. Effect of thinning-induced gap size on soil CO₂ efflux in a reforested spruce forest in the eastern Tibetan Plateau // Agricultural and Forest Meteorology. 2016. Vol. 220. P. 1–9.

Paul K. I., Polglase P. J., Nyakuengama J. G., Khanna P. K. Change in soil carbon following afforestation // Forest Ecology and Management. 2002. Vol. 168. No. 1–3. P. 241–257.

Persson T., Lenoir L., Vegerfors B. Long-term effects of stump harvesting and site preparation on pools and fluxes of soil carbon and nitrogen in central Sweden // Scandinavian Journal of Forest Research. 2017. Vol. 32. No. 3. P. 222–229.

Pötzelsberger E., Hasenauer H. Soil change after 50 years of converting Norway spruce dominated age class forests into single tree selection forests // Forest Ecology and Management. 2015. Vol. 338. P. 176–182.

Prescott C. E., Blevins L. L., Staley C. L. Effects of clear-cutting on decomposition rates of litter and forest floor in forests of British Columbia // Canadian Journal of Forest Research. 2000. Vol. 30. No. 11. P. 1751–1757.

Pretzsch H. Canopy space filling and tree crown morphology in mixed-species stands compared with monocultures // Forest Ecology and Management. 2014. Vol. 327. P. 251–264.

Pretzsch H. Diversity and productivity in forests: evidence from long-term experimental plots // Forest Diversity and Function. Berlin; Heidelberg: Springer, 2005. P. 41–64.

Puhlick J. J., Fernandez I. J., Weiskittel A. R. Evaluation of forest management effects on the mineral soil carbon pool of a lowland, mixed-species forest in Maine, USA // Canadian Journal of Soil Science. 2016. Vol. 96. No. 2. P. 207–218.

Pumpanen J., Westman C. J., Ilvesniemi H. Soil CO₂ efflux from a podzolic forest soil before and after forest clear-cutting and site preparation // Boreal Environment Research. 2004. Vol. 9. P. 199–212.

Resh S. C., Binkley D., Parrotta J. A. Greater soil carbon sequestration under nitrogen-fixing trees compared with Eucalyptus species // Ecosystems. 2002. Vol. 5. No. 3. P. 217–231.

Richter D. D., Markewitz D., Trumbore S. E., Wells C. G. Rapid accumulation and turnover of soil carbon in a re-establishing forest // Nature. 1999. Vol. 400. No. 6739. P. 56–58.

Rytter R. M. The potential of willow and poplar plantations as carbon sinks in Sweden // Biomass and Bioenergy. 2012. Vol. 36. P. 86–95.

Rytter R. M., Rytter L. Changes in soil chemistry in an afforestation experiment with five tree species // Plant and Soil. 2020. No. 456. P. 425–437.

Schmidt M. G., Macdonald S. E., Rothwell R. L. Impacts of harvesting and mechanical site preparation on soil chemical properties of mixed-wood boreal forest sites in Alberta // Canadian Journal of Soil Science. 1996. Vol. 76. No. 4. P. 531–540.

Shanin V., Juutinen A., Ahtikoski A., Frolov P., Chertov O., Rämö J., Lehtonen A., Laiho R., Mäkiranta P., Nieminen M., Laurén A., Sarkkola S., Penttilä T., Ťupek B., Mäkipää R. Simulation modelling of greenhouse gas balance in continuous-cover forestry of Norway spruce stands on nutrient-rich drained peatlands // Forest Ecology and Management. 2021. Vol. 496. Article 119479.

Streck C. REDD+ and leakage: debunking myths and promoting integrated solutions // Climate Policy. 2021. Vol. 21 (6). P. 843–852.

Strömgren M., Egnell G., Olsson B. A. Carbon stocks in four forest stands in Sweden 25 years after harvesting of slash and stumps // Forest Ecology and Management. 2013. Vol. 290. P. 59–66.

Strukelj M., Brais S., Paré D. Nine-year changes in carbon dynamics following different intensities of harvesting in boreal aspen stands // European Journal of Forest Research. 2015. No. 5. P. 737–754.

Tang J., Bolstad P. V., Martin J. G. Soil carbon fluxes and stocks in a Great Lakes forest chronosequence // Global Change Biology. 2009. Vol. 15. No. 1. P. 145–155.

The greenhouse gas protocol. The land use, land-use change, and forestry guidance for GHG project accounting. Washington: Word Resource Institute, 2006. 97 p.; available at: https://goo.su/puTzd (дата обращения 08.02.2022)

Thiffault E., Hannam K. D., Paré D., Titus B. D., Hazlett P. W., Maynard D. G., Brais S. Effects of forest biomass harvesting on soil productivity in boreal and temperate forests—A review // Environmental Reviews. 2011. Vol. 19. P. 278–309.

Vanguelova E. I., Pitman R., Benham S., Perks M., Morison J. I. Impact of tree stump harvesting on soil carbon and nutrients and second rotation tree growth in Mid-Wales, UK // Open Journal of Forestry. 2017. Vol. 7. No. 1. Article ID 73642.

Verified Carbon Standard, v 4.2. Issued: 19 September 2019. Updated: 20 available at January 2022. available at: https://verra.org/project/vcs-program/rules-and-requirements/ (дата обращения 24.06.2022).

Vesterdal L., Clarke N., Sigurdsson B. D., Gundersen P. Do tree species influence soil carbon stocks in temperate and boreal forests? // Forest Ecology and Management. 2013. Vol. 309. P. 4–18.

Vesterdal L., Dalsgaard M., Felby C., Raulund-Rasmussen K., Jørgensen B. B. Effects of thinning and soil properties on accumulation of carbon, nitrogen and phosphorus in the forest floor of Norway spruce stands // Forest Ecology and Management. 1995. Vol. 77. No. 1–3. P. 1–10.

Vesterdal L., Raulund-Rasmussen K. Forest floor chemistry under seven tree species along a soil fertility gradient // Canadian Journal of Forest Research. 1998. Vol. 28. No. 11. P. 1636–1647.

Vesterdal L., Ritter E., Gundersen P. Change in soil organic carbon following afforestation of former arable land // Forest Ecology and Management. 2002. Vol. 169. No. 1–2. P. 137–147.

Volk T. A., Verwijst T., Tharakan P. J., Abrahamson L. P., White E. H. Growing fuel: a sustainability assessment of willow biomass crops // Frontiers in Ecology and the Environment. 2004. Vol. 2 (8), P. 411–418.

Walmsley J. D., Jones D. L., Reynolds B., Price M. H., Healey J. R. Whole tree harvesting can reduce second rotation forest productivity // Forest Ecology and Management. 2009. Vol. 257. No. 3. P. 1104–1111.

Warren K. L., Ashton M. S. Change in soil and forest floor carbon after shelterwood harvests in a New England Oak-Hardwood Forest, USA // International Journal of Forestry Research. 2014. Vol. 2014. Article ID 527236.

Wiesmeier M., Prietzel J., Barthold F., Spörlein P., Geuß U., Hangen E., Kögel-Knabner I. Storage and drivers of organic carbon in forest soils of southeast Germany (Bavaria)–Implications for carbon sequestration // Forest Ecology and Management. 2013. Vol. 295. P. 162–172.

Zabowski D., Chambreau D., Rotramel N., Thies W. G. Long-term effects of stump removal to control root rot on forest soil bulk density, soil carbon and nitrogen content // Forest Ecology and Management. 2008. Vol. 255. No. 3–4. P. 720–727.

Zhang X. Guan D., Li W., Sun D., Jin C., Yuan F., Wu J. The effects of forest thinning on soil carbon stocks and dynamics: A meta-analysis // Forest Ecology and Management. 2018. Vol. 429. P. 36–43.

Zhou D., Zhao S. Q., Liu S., Oeding J. A meta-analysis on the impacts of partial cutting on forest structure and carbon storage // Biogeosciences. 2013. Vol. 10. P. 3691–3703.

Рецензент: к. б. н. Киселева В. В.

]]> https://jfsi.ru/5-4-2022-podolskaia/ Wed, 19 Apr 2023 13:01:57 +0000 https://jfsi.ru/?p=5669

© 2022                                                           Е. С. Подольская

Центр по проблемам экологии и продуктивности лесов РАН,

Россия, 117997, г. Москва, ул. Профсоюзная 84/32

E-mail: podols_kate@mail.ru

Поступила в редакцию: 08.10.2022

После рецензирования: 19.12.2022

Принята к печати: 20.12.2022

В статье представлен обзор развития и текущего состояния научных исследований по использованию данных дистанционного зондирования Земли (ДЗЗ) из космоса для распознавания изображения дорог в региональных лесохозяйственных проектах. Дана характеристика принципам выделения линейных объектов дорожной инфраструктуры, отмечено, что прямые дешифровочные признаки используются в таких сочетаниях, как яркостные и текстурные, геометрические и яркостные. Выделено три направления работ с примерами: визуальное дешифрирование, использование специального программного обеспечения и библиотек разработки, а также применение нейросетей. Приведено описание методов и программных средств распознавания дорожной сети, типов и пространственного разрешения необходимой космической съемки. В обзоре показано, что основой распознавания изображения дорог являются данные оптической съемки открытых и коммерческих источников, методы машинного обучения и нейросети. Актуальными задачами распознавания дорог для лесного хозяйства являются: оценка состояния покрытия дороги, моделирование расположения существующих, проектирование и строительство новых дорог, учет сезонности. Представлено описание функциональности плагина MapFlow как инструмента по распознаванию дорог для Open Source QGIS. Статья является частью разработок по региональному лесному транспортному моделированию наземного доступа к лесным пожарам и ресурсам леса.

Ключевые слова: данные ДЗЗ из космоса, дорожная сеть, распознавание объектов, лесное хозяйство, нейросеть, сверточная нейросеть, Open Source QGIS, плагины, MapFlow

Распознавание изображения дорожной сети на космических снимках ввиду сложностей сочетания характеристик геометрии и яркости является актуальной и востребованной задачей как при визуальном, так и при автоматизированном дешифрировании. Анализ научных публикаций по теме использования данных ДЗЗ из космоса в задачах распознавания дорожной сети является продолжением наших исследований по моделированию наземного перемещения пожарных и лесозаготовительных машин к лесным пожарам и ресурсам леса на региональном уровне. Технология построения маршрутов движения по дорогам разных классов, разработанная в Лаборатории мониторинга лесных экосистем Центра по проблемам экологии и продуктивности лесов Российской академии наук (ЦЭПЛ РАН), позволяет получать наборы данных по маршрутам за произвольный промежуток времени, в том числе и пожароопасный период года (Подольская и др., 2020). Для корректной работы технологии необходимы актуальные данные по дорогам общего и специального доступа (лесные дороги, зимние дороги).

Существует потребность в методах и технологиях распознавания и обновления данных по сети дорог. В работах по сопоставлению данных речь часто идет об использовании снимков для определения наличия и местоположения дорог, отсутствующих в глобальных и региональных наборах данных. Основным источником открытых данных по дорогам регионального уровня для всей территории России и мира являются векторные слои проекта Open Street Map (OSM, https://www.openstreetmap.org/), пример использования дан в работе (Podolskaia et al., 2020). Связям данных OSM и распознаванию объектов разной пространственной локализации (Мухаметшин, Самсонов, 2022), включая дороги, посвящены исследования, например Y. Nachmany и H. Alemohammad (2019), S. Oehmcke et al. (2019), C. Ayala et al. (2021). Для лесного транспортного моделирования наземного перемещения регионального пространственного охвата космические снимки являются практически единственным доступным материалом, который может восстановить данные и уточнить геометрию дороги, отсутствующей в базах векторных данных типа OSM.

Тема распознавания изображений объектов на снимках как гибридное направление информационных технологий и науки о данных привлекает много внимания, о чем в том числе свидетельствует обзорная работа K. Bhil et al. (2022). Инфраструктурные дорожные проекты становятся все более сложными, требуют актуальных и максимально подробных данных съемки. Данная статья посвящена одному из аспектов определения и обновления изображений дорог — распознаванию геометрии дороги по данным ДЗЗ из космоса. Отдельной темой является использование съемки с беспилотных летательных аппаратов (БПЛА), которая в настоящее время активно развивается в России в техническом и правовых направлениях.

Цель статьи — представить обзор отечественных и зарубежных научных публикаций по распознаванию линейных объектов инфраструктуры дорожной сети с использованием данных ДЗЗ из космоса и выявить возможности по распознаванию дорог для проектов лесного хозяйства по транспортному моделированию. Для достижения поставленной цели необходимо решить следующие задачи: охарактеризовать современное состояние проблемы распознавания дорог по космическим снимкам по материалам научных статей для региональных проектов, показать особенности распознавания дорог в лесном хозяйстве и дать примеры инструментов Open Source.

1. Современное состояние задачи распознавания дорог по космическим снимкам

Тема использования материалов ДЗЗ из космоса рассмотрена для разных видов транспорта. Дорога как часть сложного инфраструктурного объекта или проекта (дорожное строительство, нефтегазовое хозяйство) дешифрируется в обязательном тематическом окружении. Материалы съемки из космоса используются при инженерных изысканиях и проектировании железных и автомобильных дорог (Бектуров, 2015; Филатова и др., 2017; Андреева и др., 2019), определении каркаса сети дорог (Михеева, Федосеев, 2016). Дороги являются одним из элементов общегеографического содержания карт, распознавание которых связано с генерализацией линейного объекта на космическом снимке (Подольская, 2005). Для железных дорог в масштабе снимков от 1 : 25 000 и крупнее возможно дешифрирование двух рельс, находящихся на постоянном расстоянии друг от друга, при помощи инструментов выделения границ в системе MATLAB (Журкин, Бадышев, 2014). В работах Д. В. Долгополова и др. (2019) и Д. В. Долгополова (2020) приводятся результаты анализа дешифрирования трубопроводов и сопутствующей нефтегазовому комплексу инфраструктуры линейного протяжения.

Основным материалом идентификации дороги на региональном и локальном уровнях продолжают оставаться космические снимки разных типов. В части данных для научного исследования по тематике транспортного моделирования необходимо понимание возможностей современных и, что особенно важно, актуальных по доступу материалов съемки из космоса разного типа и разрешения. Съемка оптического диапазона некоммерческого характера (космические аппараты семейства Landsat и Sentinel-2) остается одним из основных источников анализа изображений в научных исследованиях, используется она и для распознавания дорог разных классов. Так, использованию съемки указанных источников посвящены статьи по распознаванию дорог без покрытия: узких грунтовых дорог юго-запада Бразилии (Gomes et al., 2015) и неофициальных сельских дорог Бразильской Амазонии (Botelho et al., 2022). Сочетание оптического многозонального изображения и гиперспектра позволяет определить изменения конфигурации транспортной сети, для которых используется комбинированная технология объектно-ориентированного анализа набора снимков с использованием кластерных и контурных методов обработки (Михеева, Федосеев, 2016). Радиолокационные изображения (Henry et al., 2018; Wei et al., 2021) используются реже ввиду необходимости предварительной обработки в сравнении с оптической съемкой, которая доступнее по стоимости, но больше зависит от метеорологических условий (облачности).

Для того чтобы характеризовать современное распознавание дорог, необходимо описать принципы дешифрирования этих линейных объектов. Во-первых, дороги являются протяженными объектами с геометрическими (форма, размер) и яркостными (тон, уровень яркости, цвет, спектральный образ) признаками (Михеева, Федосеев, 2016), меняющимися на космическом изображении. Под геометрией дороги в региональных проектах обзорных масштабов понимаются ее форма и размер (ширина), каркасом геометрии сети дорог является осевая линия. Пример совместного использования геометрических и яркостных признаков дан в статье А. А. Федосеева и др. (2018). Во-вторых, для дешифрирования также используются структурные признаки (текстура, структура, рисунок) и комбинации яркостных и структурных признаков, например, алгоритм спектрально-текстурной сегментации, описанный в работе И. А. Пестунова и С. А. Рылова (2012).

Косвенными признаками дешифрирования дорожной сети являются природные, или ландшафтные (показывают взаимосвязи дорог с природными объектами), антропогенные (выявляют функции дорог как объектов для коммуникации между населенными пунктами, расположение в социально-экономической инфраструктуре территории), а также природно-антропогенные (указывают на связи природных условий и транспортной освоенности).

Помимо геометрических, яркостных и структурных признаков современные исследования для построения автоматизированной модели распознавания дорог выделяют топологические (связность) и функциональные (использование) атрибуты (Botelho et al., 2022). Для дешифрирования сети дорог, как отмечает ряд отечественных авторов (Мирошниченко и др., 2013; Тусикова, Вихтенко, 2019; Игнатьев и др., 2022), необходим подбор снимков со следующими основными характеристиками: значительная длина дорог в пределах снимка, постоянная ширина дороги, равномерное распределение яркости изображения дороги в пределах снимка и четкость изображения дорожного покрытия. Таким образом, основным этапом обработки космических снимков является сегментация спутникового изображения на тематически однородные области с последующим преобразованием в векторный формат.

Исторически распознавание дорог было начато на примере улиц населенных пунктов с появлением материалов съемки с пространственным разрешением порядка нескольких метров (Guindon, 1998). Большой обзор порядка нескольких сотен исследовательских работ по автоматическому распознаванию дорог для геоинформатики сделан в статье J. B. Mena (2003). В ней описаны основные задачи распознавания: сегментация, векторизация, оценка и оптимизация, семантические нейронные сети, а также методы и инструменты нечеткой логики. Указанная работа 2003 г. в настоящее время требует продолжения и описания актуальных методов распознавания и примеров нейросетей.

Подготовка фрагментов изображения в это время заложила основы современному распознаванию дорог на основе методов использования нейронных сетей, которые являются одним из алгоритмов классификации глубокого обучения (Deep Learning), устанавливающей веса важности различным областям и объектам на изображении и последующего итерационного распознавания. Среди нейросетей для линейных объектов дорожной сети используются свёрточные (Convolutional Neural Networks, CNN) и региональные нейронные сети (Region-Based-CNN, RCNN). Определяющим преимуществом выбора свёрточной сети являются меньшие, в сравнении с другими алгоритмами классификации, время и вычислительные ресурсы для предварительной обработки изображений (Скрипачев и др., 2022). Лучшие результаты при семантическом сегментировании изображения для распознавания дорог в настоящее время получены при помощи полностью связанной свёрточной нейросети (Fully CNN), представляющей собой набор связанных слоев с условием, что каждый нейрон одного слоя связан с каждым нейроном другого.

Примером использования RCNN в российских публикациях служит Mask-RCNN (Тусикова, Вихтенко, 2019). Свёрточный принцип необходим для объединения значений расположенных по соседству пикселей и выделения наиболее обобщенных признаков для дороги. Ограничения качества распознавания сетей в настоящее время связаны с объемом обучающей выборки и детальностью аннотирования (предварительной сегментации) фрагментов. Отмечается, что для качественного обучения нейронной сети требуется значительный набор данных (или обучающая выборка), насчитывающий порядка тысяч изображений. Варианты могут быть найдены в готовых аннотированных наборах, среди которых только начинают появляться примеры открытого доступа. Для автоматизации распознавания используется аннотирование изображения космического снимка, состоящее в присваивании подписи или метки с использованием ключевых слов. Малое количество обучающих наборов данных и недостаточность аннотирования изображения дорог на них являются ограничивающими факторами.

К отдельным задачам распознавания дорог исследователи относят выделение типа дорожного покрытия (Тормозов и др., 2020) и мониторинг технического состояния полотна дорог (Челноков и др., 2021). Ряд работ по выделению дорожного покрытия используют гиперспектральные изображения и методы машинного распознавания, отмечая потребность в данных сверхвысокого разрешения для определения степени аварийности дорог (Михеева, Федосеев, 2014; Федосеев и др., 2016; Федосеев и др., 2018). Последние работы публикуют научные результаты инфраструктурного проекта ГИС «ITSGIS» (http://itsgis.ru/).

Эволюция и актуальные возможности методов и технологий распознавания дорог по данным ДЗЗ из космоса представлена в табл. 1. В ней сделана группировка характерных примеров отечественных и зарубежных статей по этапам (блокам) развития распознавания дорог на космических изображениях в региональных проектах. Методически и технологически можно выделить три блока работ: визуальное дешифрирование, использование специального программного обеспечения и библиотек разработки, затем применение нейросетей. Как показывает табл. 1, произошел переход от ручного экспертного визуального дешифрирования к автоматизированному распознаванию нейросетями на основе экспертного опыта и обучающих наборов с высокой точностью результата порядка 80-90%. Предпосылками такого перехода стали общеизвестные возможности информационных технологий в части скорости и объема обработки данных, особенно космических, обладающих при высоком разрешении значительным объемом. К достоинствам распознавания нейросетями можно отнести скорость и доступность обработки изображений, к недостаткам — затраты времени для тщательной подготовки сегментированных изображений в качестве обучающей выборки.

Тематические примеры исследований охватывают разные регионы России и мира, основываются в своем большинстве на оптической съемке; значительная часть работ, использующих для распознавания дорог наборы данных и нейросети, представлена англоязычными статьями. В каждом блоке статьи расположены по годам публикации, что помогает показать историческое развитие методов и технологий для распознавания дорог по снимкам на основе данных разрешения порядка 1 м и лучше. Среди изученных работ в большинстве случаев в качестве библиотеки глубокого обучения используется Open Source Keras[1]. Среди вариантов нейросетей, доступных в указанной библиотеке, одним из самых используемых можно назвать ResNet101 (https://keras.io/api/applications/resnet/).

Таблица 1. Распознавание изображения дорог на космических снимках в проектах регионального уровня

2. Распознавание дорог в лесном хозяйстве

Исследовательский опыт, представленный в табл. 1, полезен для использования при распознавании дорожной сети в лесном транспортном моделировании. Актуализация изображения лесных дорог важна в лесном хозяйстве, потому что по ним осуществляется значительная часть перемещений до автодорог с покрытием. Немногочисленны отечественные публикации по сетям лесных дорог, к ним относятся работы В. А. Орлова (2006) и К. В. Шошиной (2013). Первая статья посвящена связи атрибутивных признаков дорог с изобразительными сегментами и топологическим описанием сети. Стратегия выделения дороги определяется ее классом. Описано порядка 15 вариантов выделения дорог с подбором соотношения свойств сегментов дороги и ее характеристик расположения в пространстве. Вторая работа описывает систему мониторинга лесовозных дорог с указанием основных признаков определения лесных дорог. Основное внимание уделено техническому состоянию лесных дорог и возможным технологиям обнаружения дефектов таких дорог в зависимости от сезона. Задачами дешифрирования дорог названы выявление факта наличия дороги, типа покрытия, оценка состояния дороги и выявление ее аварийных участков.

Из зарубежных работ отметим статью E. Сaliskan и Y. Sevim (2022), в которой даются рекомендации по использованию таких моделей глубокого обучения для семантической сегментации лесных дорог, как нейросети ResNet-50 и InceptionResNet-V2.

К особенностям лесного хозяйства необходимо отнести сезонность использования дорог. Для моделирования наземного доступа по дорогам разных классов в лесном хозяйстве необходимы космические снимки разных периодов года, а именно: межсезонья, лета и зимы (Шошина, 2013). В каждый такой период для движения будет доступна часть дорог, зимой помимо дорог общего пользования в отдельных регионах начинают работать зимники; летом и в межсезонье часть дорог может оказаться недоступной для движения из-за состояния покрытия (Подольская, 2022). Соответственно, построенные маршруты доступа техники к ресурсам леса и лесным пожарам будут сезонно различаться.

Таким образом, к актуальным задачам распознавания дорог в лесном хозяйстве можно отнести оценку состояния их покрытия, моделирование расположения существующих и проектируемых дорог, а также учет сезонности эксплуатации дорог, определяемой по космическим снимкам.

3. Плагин MapFlow (Open Source QGIS)

Практическим примером Open Source-инструмента распознавания дорог в лесных транспортных проектах может служить плагин для QGIS MapFlow. Он является одним из используемых и популярных по данным библиотеки «открытых» инструментов для геоинформатики (https://plugins.qgis.org/) плагинов распознавания дорог разработки компании GeoAlert (https://geoalert.io/). В настоящее время в качестве исходных данных MapFlow использует материалы оптической съемки высокого пространственного разрешения. Сначала по изображению снимка готовится растровая маска дорог, затем она преобразуется в набор осевых линий дорог и векторизуется для дальнейшего использования в формат GeoJSON, также определяются тип покрытия и границы дороги (https://geoalert.medium.com/mapflow-ai-new-roads-model-e989557cef26). Актуальная версия плагина датируется февралем 2023 г. (https://plugins.qgis.org/plugins/mapflow/). Модуль появился в репозитории в июле 2021 г. и используется в работе платформы «RuMap» (http://www.digimap.ru/products) Научно-производственного геоинформационного центра ЗАО «Геоцентр-Консалтинг».

ЗАКЛЮЧЕНИЕ

В статье представлен обзор доступных научных публикаций по использованию данных ДЗЗ из космоса для распознавания дорог с выделением особенностей для лесного транспортного моделирования. Выявлены следующие направления исследований для использования в проектах лесного хозяйства по транспортному моделированию:  

1. Справедливы общие положения для автоматизированного распознавания дорог. Дороги распознаются по снимкам открытых и коммерческих источников, по уровню пространственного разрешения используются материалы от сверхвысокодетальной съемки до съемки разрешения порядка десятков метров. Для дорог преимущественно используются прямые дешифровочные признаки, которые, в сравнении с косвенными, могут быть лучше автоматизированы. От ручного визуального дешифрирования линейных объектов дорожной сети современные исследователи за прошедшие порядка 20 лет перешли к использованию методов глубокого обучения и нейросетей. По-прежнему значительное время и технические усилия вкладываются в подготовку обучающих наборов данных для нейросети, качество которых значительно определяет результат распознавания. Таким образом, очевидным и активно развивающимся направлением исследований является использование методов и технологий искусственного интеллекта (ИИ).
2. Тематическими задачами лесного хозяйства с применением данных ДЗЗ из космоса и ИИ остаются оценка состояния дороги, выявление ее аварийности, а также проведение моделирования для проектирования и строительства новых дорог. Для распознавания и мониторинга состояния лесных дорог в регионах России в настоящее время целесообразна съемка высокой и сверхвысокой детальности, что может быть выполнено и при помощи БПЛА. Эта технология съемки представляет значительный интерес ввиду высокого пространственного разрешения (сантиметры), возможности оперативной организации съемочных работ и наличия доступных программных средств обработки.

В качестве положительных примеров использования в практике ведения лесного хозяйства, отметим несколько статей (Gulci et al., 2017; Akay, Tas, 2018; Turk et al., 2022). В настоящее время затруднительно оценить эффективность применения БПЛА для распознавания дорог в сравнении с космическими снимками для региональных проектов. Оценка эффективности будет зависеть от географического расположения района работ, наличия и сложности геометрии дорожной сети, рельефа, инфраструктурной сложности территории и других параметров. Этот вопрос требует дальнейшего исследования и сбора опыта разных стран и регионов. При отсутствии доступа к космической съемке высокого и сверхвысокого пространственного разрешения локальная съемка с БПЛА, с учетом стоимости организации и проведения полевых работ и трудозатрат, может оказаться единственным вариантом получения данных для регулярного мониторинга состояния дорог.

В ближайшие годы именно данные, полученные при помощи БПЛА, будут одним из используемых источников для обновления изображения дорожной сети в разных ГИС-проектах, включая проекты лесного хозяйства. Определенно то, что съемка из космоса и при помощи БПЛА будут продолжать оставаться двумя основными источниками данных для дешифрирования дорог.

Общими закономерностями в результате анализа статей для разнообразных дорожных проектов и лесного хозяйства можно назвать использование открытых данных Landsat и Sentinel, которые являются самыми доступными. В направлении распознавания лесных дорог по космическим снимкам пока еще мало научных публикаций. Для распознавания дорог самыми информативными и используемыми в настоящее время являются прямые дешифровочные признаки (геометрические, яркостные), затем по количеству упоминаний следуют прямые текстурные признаки. В работах последнего десятилетия группа прямых признаков используется в сочетаниях (яркостные и текстурные, геометрические и яркостные).

Задачи использования космической съемки для распознавания изображения дорог по результатам анализа выборки статей можно разделить на несколько групп. Во-первых, это потребность в каком-либо материале при отсутствии обновленных данных по сети дорог, во-вторых, отсутствие в открытом доступе точной координатной привязки линейной инфраструктуры дорог и, наконец, необходимость мониторинга покрытия дороги на предмет аварийности и проведение последующих экономических оценок.

Региональные проекты лесного хозяйства сложны, масштабны и, следовательно, затратны по своим ресурсам. Технологической основой для их реализации в части распознавания дорог будут оставаться нейросети, которые непрерывно совершенствуются в своем качестве и объеме данных, становятся открытыми продуктами-коллекциями для исследователей.

ФИНАНСИРОВАНИЕ

Работа выполнена в рамках темы Государственного задания «Методические подходы к оценке структурной организации и функционирования лесных экосистем», регистрационный номер № 121121600118-8.

СПИСОК ЛИТЕРАТУРЫ

Андреева О. А., Конон Н. И., Ратинский М. Г. К вопросу использования дистанционного зондирования местности при проектировании железных дорог // Геодезия и картография. 2019. № 5. С. 47–53. DOI: 10.22389/0016-7126-2019-947-5-47-53.

Бектуров А. К. Применение материалов аэрокосмических съемок в изысканиях и проектировании автомобильных дорог в условиях высокогорья // Вестник Кыргызского государственного университета строительства, транспорта и архитектуры им. Н. Исанова. 2015. № 3 (49). C. 43–48.

Долгополов Д. В. Использование данных дистанционного зондирования Земли при формировании геоинформационного пространства трубопроводного транспорта // Вестник СГУГиТ. 2020. Т. 25. № 3. С. 151–159.

Долгополов Д. В., Никонов Д. В., Полуянова А. В., Мелкий В. А. Возможности визуального дешифрирования магистральных трубопроводов и объектов инфраструктуры по спутниковым изображениям высокого и сверхвысокого пространственного разрешения // Вестник СГУГиТ. 2019. Т. 24. № 3. С. 65–81.

Журкин И. Г., Бадышев Т. Т. Анализ изменений железнодорожной сети по космическим снимкам // Известия высших учебных заведений. Геодезия и аэрофотосъемка. 2014. № 3. С. 83–86.

Игнатьев А. В., Куликов М. А., Цапиев Д. Н., Тырин В. В. Методика автоматической классификации дорог с использованием нейронной сети Mask R-CNN //   Электронный научный журнал «Инженерный вестник Дона». 2022. № 5. С. 1–9.

Мирошниченко С. Ю., Титов В. С., Ященко А. А. Метод автоматической локализации протяженных геопространственных объектов // Известия вузов. Приборостроение. 2013. Т. 56. № 6. С. 17–22.

Михеева Т. И., Федосеев A. A. Кластеризация гиперспектральных данных мониторинга объектов транспортной инфраструктуры // Известия Самарского научного центра Российской академии наук. 2014. Т. 16. № 4 (2). С. 404–408.

Михеева Т. Н., Федосеев A. A. Идентификация изменений конфигурации транспортной сети на основе космической съемки // Известия Самарского научного центра Российской академии наук. 2016. Т. 18. № 4 (4). С. 808–814.

Мухаметшин А. Р., Самсонов Т. Е. Дешифрирование космических снимков с использованием машинного обучения по данным OpenStreetMap // Научные исследования молодых ученых-картографов, выполненные под руководством сотрудников кафедры картографии и геоинформатики географического факультета МГУ имени М.В. Ломоносова: сборник статей / Под ред. А.М. Карпачевского. — М.: «КДУ», «Добросвет», 2022. С. 64–72.

Орлов В. А. Автоматизированное распознавание лесных дорог по космическим снимкам // Актуальные проблемы лесного комплекса. 2006. № 14. C. 1–4.

Пестунов И. А., Рылов С. А. Сегментация спутниковых изображений высокого разрешения по спектральным и текстурным признакам // ИнтерЭкспо Гео-Сибирь. 2012. Т. 1. № 4. С. 86–91.

Подольская Е. С. Применение космических сканерных снимков для объективизации картографической генерализации на обзорно-топографических картах // Изв. вузов. Сер. Геодезия и аэрофотосъемка. 2005. № 5. С. 83–96.

Подольская Е. С. Сезонность дорог в транспортном моделировании ГИС-проекта лесного хозяйства // Фундаментальные, поисковые, прикладные исследования и инновационные проекты: сборник трудов Национальной научно-практической конференции. М.: РТУ МИРЭА, 2022. С. 267–271.

Подольская Е. С., Ершов Д. В., Ковганко К. А. Транспортное моделирование наземного доступа для борьбы с лесными пожарами на уровне Федеральных округов России // Сборник статей по итогам научно-технических конференций. Выпуск 11. М.: МИИГАиК, 2020. 199 с. / Приложение к журналу Известия вузов «Геодезия и аэрофотосъемка». C. 154–156.

Скрипачев В. О., Гуйда М. В., Гуйда Н. В., Жуков А. О. Исследование свёрточных нейронных сетей для обнаружения объектов на аэрокосмических снимках // International Journal of Open Information Technologies. 2022. Т. 10. № 7. С. 54–64.

Тормозов В. С., Василенко К. А., Золкин А. Л. Настройка и обучение многослойного персептрона для задачи выделения дорожного покрытия на космических снимках города // Программные продукты и системы. 2020. Т. 33. № 2. С. 343–348. DOI: 10.15827/0236-235X.130.343-348.

Тусикова А. А., Вихтенко Э. М. О распознавании автомобильных дорог на спутниковых снимках с использованием свёрточных сетей MASK-RCNN // V Международная конференция «Информационные технологии и высокопроизводительные вычисления» (ITHPC-2019), Хабаровск, Россия, 2019. С. 308–314.

Федосеев A. A., Михеева Т. И., Сапрыкин О. П., Мингазов P. P. Распознавание объектов транспортной инфраструктуры на гиперспектральных снимках методом глубинного машинного обучения // Информационные технологии интеллектуальной поддержки принятия решений (ITIDS’2016): труды IV Междун. конф. Уфа: Изд-во УГАТУ. 2016. С. 39–44.

Федосеев А. А., Михеева Т. И., Михеев С. В. Построение модели транспортной инфраструктуры на основе пространственно-спектральной аэрокосмической информации // Программные продукты и системы. 2018. № 1 (31). С. 25–31.

Филатова А. В., Поздышева О. Н., Кистинева А. О. Анализ процесса дешифрирования при строительстве автомобильных дорог // Электронный научный журнал «Инженерный вестник Дона». 2017. № 2. С. 1–11.

Челноков В. В., Мешалкин В. П., Стрелков С. П., Кондрашин К. Г. Визуализация данных дистанционного зондирования дорожных сетей в целях анализа экологического и социо-экологического воздействия // Геодезия и картография. 2021. № 3. С. 36–43. DOI: 10.22389/0016-7126-2021-969-3-36-43.

Шошина К. В. Система мониторинга и исследования лесных дорог // Вестник Северного (Арктического) Федерального университета. Серия: Естественные науки. 2013. № 4. C. 50–54.

Кобзева Е. А. Экспериментальная оценка точности и дешифровочных возможностей космических снимков RapidEye // Geomatics. 2010. № 2. С. 33–36.

Akay A. E., Tas I. Using drone with a lidar data capture systems in forestry applications // International Academic Research Congress. INES, 2018. P. 17–25.

Ayala C., Aranda C., Galar M. Towards fine-grained roads maps extraction using Sentinel-2 imagery // ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences. XXIV ISPRS Congress (2021 edition). 2021. Vol. 3. P. 9–14.

Barrile V., Bilotta G., Fotia F., Bernardo E. Road extraction for emergencies from satellite imagery // Computational Science and Its Applications–ICCSA 2020: 20th International Conference, Cagliari, Italy, July 1–4, 2020, Proceedings, Part IV 20. Springer International Publishing, 2020 P. 767–781. DOI: 10.1007/978-3-030-58811-3_55.

Bhil K., Shindihatti R., Mirza S., Latkar S., Ingle Y. S., Shaikh N. F., Prabu I., Pardeshi S. N. Recent progress in object detection in satellite imagery: a review // Sustainable Advanced Computing. Lecture Notes in Electrical Engineering. 2022. Vol. 840. P. 209–218. DOI: 10.1007/978-981-16-9012-9_18.

Botelho J. Jr., Costa S. C. P., Ribeiro J. G., Souza C. M. Jr. Mapping roads in the Brazilian Amazon with artificial intelligence and Sentinel-2 // Remote Sensing. 2022. Vol. 14. P. 1–17. DOI: 10.3390/ rs14153625.

Сaliskan E., Sevim Y. Forest road detection using deep learning models // Geocarto International. 2022. Vol. 37. No 20. P. 5875–5890. DOI: 10.1080/10106049.2021.1926555.

Gecen R., Sarp G. Road detection from high and low resolution satellite images // The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Vol. XXXVII. Part B4. Beijing, 2008. P. 355–358.

Gomes O. F. M., Feitosa R. Q., Coutinho H. L. C. Sub-pixel unpaved roads detection in Landsat images // Proceedings of XXXV Congress  ISPRS. Committee 3. 2015. P. 1–5.

Guindon B. Application of spatial reasoning methods to the extraction of roads from high-resolution satellite imagery // IGARSS ‘98. Sensing and Managing the Environment. International Geoscience and Remote Sensing. Symposium Proceedings. 1998. Vol. 2. P. 1076–1078. DOI: 10.1109/IGARSS.1998.699677.

Gulci S., Akgul M., Akay A. E., Tas I. Using ready-to-use drone images in forestry activities: case study of Cinarpinar in Kahramanmaras, Turkey // The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol. XLII-4/W6. 2017. 4th International GeoAdvances Workshop 14–15 October 2017, Safranbolu, Karabuk, Turkey. P. 51–53.

Henry C., Azimi S. M., Merkle N. Road segmentation in SAR satellite images with deep fully-convolutional neural networks // IEEE Geoscience and Remote Sensing Letters. 2018. P. 1–6. DOI: 10.1109/LGRS.2018.2864342.

Maillard Ph., Cavayas F. Automatic map-guided extraction of roads from SPOT imagery for cartographic database updating // International Journal of Remote Sensing. 1989. No 10 (11). P. 1775–1787. DOI: 10.1080/01431168908904007.

Mei J., Li R.-J., Gao W., Cheng M.-M. CoANet: Connectivity attention network for road extraction from satellite imagery // IEEE Transactions on Image Processing. 2021. Vol. 30. P. 8540–8552. DOI: 10.1109/TIP.2021.3117076.

Mena J. B. State of the art on automatic road extraction for GIS update: a novel classification // Pattern Recognition Letters. 2003. Vol. 24. P. 3037–3058.

Nachmany Y., Alemohammad H. Detecting roads from satellite imagery in the developing world // The IEEE Conference on Computer Vision and Pattern Recognition (CVPR). 2019. P. 84–89.

Oehmcke S., Thrysoe C., Borgstad A., Vaz Salles M. A., Brandt M., Gieseke F. Detecting hardly visible roads in low-resolution satellite time series data // IEEE International Conference on Big Data. 2019. P. 1–10. DOI:10.1109/BigData47090.2019.9006251.

Podolskaia E., Ershov D., Kovganko K. Comparison of data sources on transport infrastructure for the regional forest fire management // Managing forests in the 21^st century: Book of abstracts, Managing forests in the 21^st century, Conference at the Potsdam Institute for Climate Impact Research. Potsdam, 2020. 59 p. DOI: org/10.2312/pik.2020.002.

Riedl M., Berthold I., Schauer P., Angelhuber M., Fischer P., Canzani E. How many roads? Object segmentation on satellite imagery in a production environment // Proceedings of 2019 Big Data from Space (BiDS’19). 19-21 February 2019, Munich (Germany). P. 173–176. DOI: 10.2760/848593.

Satyanarayana V. L., Chandana Ch. G., Bindusha K., Padmanabhudu D., Shahanaaz bhanu G. Extraction of roads from satellite resolution images using Matlab // International Journal of Engineering Applied Sciences and Technology. 2020. Vol. 4. Issue 12. P. 708–714.

Turk Y., Boz F., Aydin A., Eker R. Evaluation of UAV usage possibility in determining the forest roads pavement degradation: preliminary results // European Journal of Forest Engineering. 2022. Vol. 8 (2). P. 77–84.

Wei X., Fu X., Yun Y., Lv X. Multiscale and multitemporal road detection from high resolution SAR images based attention mechanism // Remote Sensing. 2021. Vol. 13. p. 3149. DOI: 10.3390/rs 13163149.

Zegeye A. Road extraction from satellite imagery based on fully convolutional neural network // IOSR Journal of Computer Engineering (IOSR-JCE). 2020. Vol. 22. Issue 4. Ser. III. P. 59–72. DOI: 10.9790/0661-2204035972.

Рецензент: к. б. н. Елсаков В. В.

[1] Открытая библиотека, написанная на языке Python и обеспечивающая взаимодействие с искусственными нейросетями

Original Russian Text © 2022 M. S. Savin, A. S. Plotnikova, A. N. Narykova published in Forest Science Issues Vol. 5, No 2, Article 105.

© 2022                                         M. S. Savin¹, A. S. Plotnikova², A. N. Narykova²

 ¹ Faculty of Geography of Moscow State University

² Center for Forest Ecology and Productivity of the RAS

Profsoyuznaya st. 84/32 bldg. 14, Moscow, 117997, Russia

E-mail: odm244@gmail.com

Received: 18.04.2022

Revised: 15.05.2022

Accepted: 25.05.2022

The article presents the experience of using GIS technologies to prepare spatial predictors for their further use in modeling and mapping the dynamics of forest ecosystem functions. The study was conducted on the territory of the Dankovsky district forestry, which is located in the south of the Moscow region. GIS analysis of spatial data containing information about the relief and the hydrographic network of the study area was performed. As a result, morphometric values describing the surface runoff and altitude zonality of the study area have been created. The article describes GIS tools that can be used to create thematic geospatial products: slope exposure, steepness and curvature; direction, distance and length of the flow line, total flow; average altitude above sea level and distance to the river. In addition, the boundaries of river catchment basins have been identified by using GIS analysis, within which it is also planned to model climate-regulating forest functions associated with the carbon cycle.

Keywords: GIS analysis, forests, climate-regulating functions and services, morphometric relief value, DEM, SRTM, OSM

Natural ecosystems are inextricably intertwined with ecosystem processes occurring therein, i. e. physical, chemical and biological forces or events linking organisms and their environment (Ecosystem processes, 2022). The totality of physical, biological, chemical and other processes that support the integrity and maintain the ecosystem is commonly referred to as ecosystem functions (Ansink et al., 2008). Ecosystem services are understood as the benefits that people obtain from ecosystems (Alсamo et al., 2005).

Four categories of ecosystem services are identified based on the types of benefits for humans in accordance with the Millennium Ecosystem Assessment (2005) classification: Provisioning, Regulating, Cultural and Supportive Services. Various mechanisms of ecosystem regulation of environmental indicators are considered as Regulating Services — in particular, climate regulation, hydrological regime regulation, erosion control, pollination and others. Mapping of climate-regulating services of forests is an important issue. It is associated with the functions of biomass production, carbon and nitrogen cycle regulation, formation of natural soil fertility, etc. (Lukina et al., 2020). This approach can be used as a tool for the topics of biodiversity and creating decision support systems.

To date, mapping of ecosystem functions and services at the local level has been most developed in Western Europe (Spain, Italy, Germany, Sweden, etc.) and the USA. The objective of many studies is the assessment and mapping of the ecosystem services, including climate regulation (Burkhard et al., 2009; Palomo et al., 2013; Felipe-Lucia et al., 2014; Istomina, Luzhkova, 2017). There are works on mapping carbon stocks in soils (Chan et al., 2006; Garcia-Pausas et al., 2007); soil stability (Nelson et al., 2009; Felipe-Lucia et al., 2014; Bruno et al., 2021); regulation of runoff (Burkhard et al., 2009; Nedkov et al., 2015) and the quality of water resources (Bruno et al., 2021).

According to current studies, mapping of ecosystem functions and services may include construction of regression models using machine learning methods. The purpose of this work is to create predictors by conducting GIS analysis of spatial data for their further use in modeling and mapping of forest ecosystem functions, including climate-regulating ones.

OBJECTS AND MATERIALS OF THE STUDY

The study investigates the territory of the Dankovsky district forestry, which is located in the south of the Moscow region on the border between the Moskvoretsko-Okskaya and Zaokskaya physiographic provinces (Atlas GUGK, 1976) (Fig. 1). The relief of the southern part of the Moscow region typically has wide, well-developed river valleys and a developed ravine network. There are also karst relief forms such as craters, caves, sinkholes in places close to the surface of carbonate rocks of the Carboniferous period (Vagner, Manucharjanc, 2003). Similar landforms could be found in Prioksko-Terrasny Biosphere Reserve, bordering the study area.

The Moscow region has a fairly dense river network with more than four hundred small and large rivers of the Caspian Sea basin. The Rechma, the Sushka and the Todenka are tributaries of the Oka river, which is one of the largest rivers of the Moscow region. It runs through the Dankovsky forest district, a research territory of interest (Fig. 1). In the soil cover of the forest zone of the Moscow region, sod-podzolic soils and podzols predominate, whereas in the floodplains of rivers, alluvial soils are common (Soil map of the Moscow region, 1985).

Figure 1. Study area — Dankovsky district forestry of the Moscow region

The study included the analysis of spatial data containing information about the relief and the hydrographic network of the object of study by means of a geographic information system (GIS). Open data from the OpenStreetMap (OSM) mapping project were used for GIS analysis of the hydrographic network. OSM data are provided in common geoinformation formats, are divided by layers and have a clear structure of attribute information.

Currently, two types of digital elevation models (DEMs) are most common — raster models with a regular height network (GRID) and TIN models with an irregular triangulation network. Out of the many existing DEMs (GMTED2010, ASTER GDEM2, SPOT DEM, Next Map, NextMap World 30, TanDEM-X Global DEM, etc.), the Shuttle Radar Topography Mission (SRTM) raster model with a grid cell size of 30 × 30 m was selected for the study. The model was obtained by satellite radar imaging with SIR-C and X-SAR instruments and covers the territory of the Earth between 60°N and 54°S (USGS …, 2022). As was noted in the work of Ju. I. Karionov (2010), SRTM has a high degree of correspondence of the relief to topographic maps plotted to a scale of 1:100 000–1:50 000.

GIS TOOLS FOR SPATIAL DATA ANALYSIS

The impact of morphometric values representing surface runoff and altitude zonality should be assessed in models of climate-regulating functions of forests at the local level (Kuznetsova et al., 2020) (Fig. 2). Morphometric value (MV) refers to the numerical characters of the relief defined at each point of the map, such as slope height, steepness or exposure (Sharyj, 2006). This MV, along with the roughness (ruggedness) of the terrain, geometric shapes and thermal regimen of the slopes are one of the main aspects of the effect of relief on the functioning of the ecosystem.

Figure 2. Schematic diagram of preparation of spatial predictors

The research used ESRI (Environmental Systems Research Institute) software — the geographic information system of ArcGIS Desktop, supplemented with the Spatial Analyst module for spatial modeling and analysis. This module allows user to create, analyse and display raster data in the cartographic interface. Spatial Analyst can be used for raster data vectorization as well.

Identification of morphometric values describing surface runoff

The ArcGIS Spatial Analyst module contains tools of the Hydrology toolset used to simulate the movement of water on the surface using a digital elevation model. Thematic tools of this group can be used independently or sequentially to build a network of streams or identify watersheds. The following tools were used: Flow Direction, Flow Distance and Flow Length for the runoff, Flow Accumulation for the total flow (Overview of the Hydrology toolset).

The Flow Direction tool creates a raster layer of flow direction from each pixel of the DEM to its steepest downslope neighbor. The methods of single and multiple flow directions were used. In the case of a single direction, the flow from the cell is running exclusively to one neighboring cell; in the case of multiple directions, the flow is distributed between different neighboring cells. The method of single flow direction D8 was used in the study, implying flow into only one of eight neighboring cells. A detailed description of the Flow Direction tool is given in the article by A. S. Plotnikova et al. (2017).

The Flow Length tool calculates the length of the flow inside the river basin. The input data is a raster layer of the flow direction. The tool makes it possible to choose the direction of measuring the length of the flow line: down or up the slope to the watershed line of the catchment basin area. The results can be applied in solving a wide range of ecological and hydrological problems, in particular, calculating the time of water passage to the outlet or for modeling surface runoff.

The Flow Distance tool calculates the minimum distance following the flow path to the cell into which they flow. The tool analyzes the raster layer of the flow direction D8. For each cell, one possible path downhill to the drain cell is identified, along which the flow distance is measured. In addition to the DEM and the flow direction, raster data of streams are required for the Flow Distance tool. The original vector data of OSM streams were translated into a raster representation using the Polyline to Raster tool of the To Raster toolset of the Conversion Tools data conversion module. The cells of the resulting raster layer are assigned to a particular spatial object as a result of applying the maximum or combined length method. The tool provides an option of interactive method selection.

The Flow Accumulation tool is used to create a raster layer of total flow to each pixel of the DEM. The input data is a raster layer of the flow direction. Pixels of the output raster layer with a high flow accumulation are areas of concentrated flow, where pixels with a flow accumulation of zero are sections of the watershed line (Jenson, Domingue, 1988). The tool requires the user to set the number of pixels involved in the flow analysis. Apart from that, based on the raster layer of the flow direction, the ArcGIS Spatial Analyst module allows to select the boundaries of river catchment basins (Fig. 3). The Basin or Watershed tools are used, which are described in detail in the work by A. S. Plotnikova and A. O. Kharitonova (2018).

The tools of the Surface toolset are used to determine the slope exposure, steepness and curvature. The Aspect tool creates raster surface of the exposure using the 3 × 3 cell “moving window” method. The result reflects the spatial orientation of the elementary slope of the DEM. Measurements are performed clockwise in degrees from 0 (north) to 360 (north again), making a full circle.

The Slope tool identifies the slope steepness, i. e. the degree of surface change in the horizontal and vertical directions. The tool finds the maximum height change per unit distance between the analyzed cell and eight surrounding neighbors. As a result, a raster layer of slope steepness is created in two different units of measurement — degrees or percentage points.

The Curvature tool creates a raster layer of the standard curvature of the slope, taking into account the profile and plan curvature. The profile curvature describes the angle of the maximum slope and is built parallel to the slope. Thus, the curvature of the profile characterizes the flow velocity on the surface. A negative value in the profile output indicates the surface as upwardly convex at the analyzed cell. It means that the flow slows down. A positive value indicates that the surface is upwardly concave, which means the acceleration of the flow. A positive value indicates the surface is upwardly concave — the flow accelerates. A value of 0 indicates the surface is flat and has a constant angle of slope. The plan curvature is perpendicular to the angle of maximum slope. The plan curvature characterizes the horizontal flow direction — convergence and divergence of the flow on the surface. In the planned output, a positive value indicates the surface is upwardly convex at that cell. A negative value indicates the surface is upwardly concave at that cell. A zero value also characterizes a surface with a constant angle of slope. Simultaneous consideration of both types of curvature, called standard curvature, allows us to better understand the patterns of redistribution of matter in liquid or solid form along the slope.

Identification of morphometric values describing altitude zonality

The Zonal Statistics as Table tool of the Zonal toolset is used to find the value of the average altitude above sea level within the forest subcompartment that in the future will serve as a spatial unit for regression modeling of ecosystem functions of the object of study. The SRTM DEM and the vector layer of the boundaries of forest subcompartments are employed as an input dataset for the Zonal Statistics as a Table tool. As an output, we got a table of average heights within the subcompartment.

The final predictor created by GIS analysis of spatial data is the distance to the river, which was calculated in two stages. First, we found the centroid of the polygon of the forest subcompartment. This task was performed using the Feature To Point tool from the Features toolset of the ArcGIS Data Management Tools module. The tool translates input polygonal objects into output points — centroids of polygons. Then, the distance from the centroid of the subcompartment polygon to the object of the hydrological network was calculated using the Near tool of the Proximity toolset of the ArcGIS Analysis Tools data analysis module.

RESULTS AND DISCUSSION

The conducted research resulted in obtaining morphometric values describing surface runoff (direction, distance and length of the flow line, total flow; slope exposure, steepness and curvature) and altitude zonality (average altitude above sea level) of the Dankovsky district forestry. The obtained morphometric values can be considered as predictors for modeling climate-regulating functions, including those related to the carbon stocks and the formation of water runoff.

Figure 3 highlights the boundaries of the catchment basins of the rivers in the area of study. It is apparent that they correlate well with the results obtained in Kazan Federal University (Ermolaev et al., 2017). Kazan researchers propose to use the map of river basins of the European territory of Russia they had created for various geoecological assessments. There are quite a few examples of modern scientific research using the river basin as an object of environmental monitoring (Smolyaninov et al., 2007; Liseckij et al., 2014; Kharitonova et al., 2019).

Figure 3. Highlighted boundaries of river catchment basins

The boundaries of the river basins of the European territory of Russia are identified on the basis of the GMTED2010 DEM with a resolution of 250 m. In addition to the boundaries, the map contains data on the nature, resource potential and ecological condition of the basin. Subject information like this will be useful in assessing the climate-regulating functions of forests related to the carbon cycle — for example, the dynamics of carbon stocks and the formation of the hydrological regime.

The above description of GIS tools used to analyze terrain and hydrographic network data for determining the direction, distance and length of the flow line, as well as exposure, steepness and curvature of the slope is of interest for various environmental studies within the framework of the basin concept of nature management.

FINANCING

The work was carried out as part of an additional agreement to the state task of the CEPF RAS (registration number 122110700044-2) in accordance with the Decree of the Government of the Russian Federation dated September 2, 2022 No 2515-р for the implementation of the most important innovative project of national importance aimed at creation of a unified national monitoring system for climatically active substances.

REFERENCES

Alсamo J., Ash N., Bennett E., Biggs R., Butler C., … & Zurek М., Ecosystems and human wellbeing: a framework for assessment, Washington, D. C., USA, Island Press., 2003, 245 p.

An overview of the Hydrology toolset, ArcGIS for Desktop, URL: https://clck.ru/rL5FL (2022, 17 January).

An overview of the Raster Surface toolset, ArcGIS for Desktop, URL: https://clck.ru/rL6Ao (2022, 25 January).

Ansink E., Hein L., Hasund K. P., To value functions or services? An analysis of ecosystem valuation approaches, Environmental Values, 2008, Vol. 17, No 4, pp. 489–503.

Atlas GUGK, Moscow region, 1976, https://clck.ru/rL4yh (2022, 15 January).

Bruno D., Sorando R., Álvarez-Farizo B., Castellano C., Céspedes V., Gallardo B., … & Comín F. A., Depopulation impacts on ecosystem services in Mediterranean rural areas, Ecosystem Services, 2021, Vol. 52, Article 101369.

Burkhard B., Kroll F., Müller F. Windhorst W., Landscapes’ Capacities to Provide Ecosystem Services — a Concept for Land-Cover Based Assessments, Landscape Online, 2009, No 15, pp. 1–22.

Chan K. M. A., Shaw M. R., Cameron D. R., Underwood E. C., Daily G. C., Conservation planning for ecosystem services, PLoS Biology, 2006, Vol. 4, No 11, 379 p.

Ecosystem processes, GreenFacts URL: https://clck.ru/rL978 (2022, 15 May).

Ermolaev O. P., Mal’cev K. A., Muharamova S. S., Harchenko S. V., Vedeneeva E. A., Kartograficheskaja model’ rechnyh bassejnov Evropejskoj Rossii (Cartographic model of river basins of European Russia), Geografija i prirodnye resursy, 2017, No 2, pp. 27–36.

Felipe-Lucia M. R., Comín F. A., Bennett E. M., Interactions among ecosystem services across land uses in a floodplain agroecosystem, Ecology and Society, 2014, Vol. 19, No 1, Article 20.

Garcia-Pausas J., Casals P., Camarero L. Soil organic carbon storage in mountain grasslands of the Pyrenees: effects of climate and topography, Biogeochemistry. 2007, Vol. 82, No 3, pp. 279–289.

Istomina E. A., Luzhkova N. M., Kartografirovanie jekosistemnyh uslug v Zabaĭkal’skom nacional’nom parke (Mapping of the ecosystem services in Zabaikalskiy National Park) Geodezija i kartografija, 2017, Vol. 78, No 7, pp. 59–67.

Jenson S. K., Domingue J. O., Extracting Topographic Structure from Digital Elevation Data for Geographic Information System Analysis, Photogrammetric Engineering and Remote Sensing, 1988, Vol. 54, No 11, pp. 1593–1600.

Karionov Ju. I. Ocenka tochnosti matricy vysot SRTM (The estimation of the accuracy of the SRTM), Geoprofi, 2010, No 10, pp. 48–51.

Kharitonova A. O., Plotnikova A. S., Ershov D. V., Sovremennye i istoricheskie pozharnye rezhimy Pechoro-Ilychskogo zapovednika i ego okrestnostej (Mapping of terrestrial ecosystems of the Pechora-Ilychsky Reserve and its surroundings), Voprosy lesnoj nauki, 2019, Vol. 2, No 3, pp. 1–17, DOI: 10.31509/2658-607x-2019-2-3-1-17.

Kuznetsova A. I., Lukina N. V., Gornov A. V., Gornova M. V., Tikhonova E. V. … & Genikova N. V., Zapasy ugleroda v peschanykh pochvakh sosnovykh lesov na zapade Rossii (Carbon Stock in Sandy Soils of Pine Forests in the West of Russia), Pochvovedenie, 2020, No 8, pp. 959–969.

Liseckij F. N., Grigor’eva O. I., Kirilenko Zh. A., Nauchnoe soprovozhdenie bassejnovoj organizacii prirodopol’zovanija v Belgorodskoj oblasti, Dvadcat’ devjatoe plenarnoe mezhvuzovskoe koordinacionnoe soveshhanie po probleme jerozionnyh, ruslovyh i ust’evyh processov (The identification of drainage basins borders at local spatial scale), Moscow: Mezhvuzovskij nauchno-koordinacionnyj sovet po probleme jerozionnyh, ruslovyh i ust’evyh processov pri MGU, 2014, pp. 106–107.

Lukina N. V., Geraskina A. P., Gornov A. V., Shevchenko N. E., Kuprin A. V., … & Gornova M. V., Bioraznoobrazie i klimatoregulirujushhie funkcii lesov: aktual’nye voprosy i perspektivy issledovanij (Biodiversity and climate regulating functions of forests: current issues and prospects for research), Voprosy lesnoj nauki, 2020, Vol. 3, No 4, DOI: 10.31509/2658-607x-2020-3-4-1-90.

Millennium Ecosystem Assestment. Ecosystems and Human Well-Being, Washington, DC, USA: Island Press, 2005, Vol. 5, 155 p.

Nedkov S., Boyanova K., Burkhard B., Quantifying, Modelling and Mapping Ecosystem Services in Watersheds, Ecosystem Services and River Basin Ecohydrology, 2015, pp. 133–149.

Nelson E., Mendoza G., Regetz J., Polasky S., Tallis H., … & Shaw M. R., Modeling Multiple Ecosystem Services, Biodiversity Conservation, Commodity Production, and Tradeoffs at Landscape Scales, Frontiers in Ecology and the Environment, 2009, Vol. 7, No 1, pp. 4–11.

Palomo I., Martin-Lopez B., Potschin M., Haines-Young R., Montes C., National Parks, buffer zones and surrounding lands: Mapping ecosystem service flows, Ecosystem Services, 2013, Vol. 4, pp. 104–116.

Plotnikova A. S., Ershov D. V., Kharitonova A. O., Ispol’zovanie GIS-tehnologij pri kartografirovanii pozharnyh rezhimov lesnyh jekosistem Pechoro-Ilychskogo zapovednika (Gis Technologies Application for Forest Fire Regimes Mapping Over Pechora Natural Reserve), Geodezija, kartografija, geoinformatika i kadastry, Ot idei do vnedrenija, Sbornik materialov, St. Petersburg: Politehnika, 2017, pp. 464–470.

Plotnikova A. S., Kharitonova A. O., Vydelenie granic vodosbornyh bassejnov rek na lokal’nom prostranstvennom urovne (Identifocation of drainage basin borders at local spatial level), Voprosy lesnoj nauki, 2018, Vol 1, No 1, pp. 1–10, DOI: 10.31509/2658-607x-2018-1-1-1-10.

Sharyj P. A., Geomorfometrija v naukah o Zemle i jekologii, obzor metodov i prilozhenij (Geomorphometry in Earth Sciences and ecology, review of methods and applications), Izvestija Samarskogo nauchnogo centra RAN, 2006, Vol. 8, No 2, pp. 458–473.

Smolyaninov V. M., Degtjarev S. D., Shherbinina S. V., Jekologo-gidrologicheskaja ocenka sostojanija rechnyh vodosborov Voronezhskoj oblasti (Ecological-hydrological assessment of the Voronezh Region River basins state), Voronezh: Istoki, 2007, 133 p.

Soil map of the Moscow region, 1985, https://clck.ru/rL28X (2022, 25 January)

USGS EROS Archive — Digital Elevation — SRTM Coverage Maps, Earth resources observation and science center, USA, 2022, URL: https://clck.ru/rKuM9 (2022, 15 January).

Vagner B. B., Manucharjanc B. O., Geologija, rel’ef i poleznye iskopaemye moskovskogo regiona (Geology, relief and minerals of the Moscow region), Moscow: MPGU, 2003, pp. 50–65.

Reviewer: Candidate of Technical Sciences V. S. Gruzinov