WWW.KN.LIB-I.RU
БЕСПЛАТНАЯ  ИНТЕРНЕТ  БИБЛИОТЕКА - Различные ресурсы
 


Pages:     | 1 |   ...   | 5 | 6 ||

«УЧРЕЖДЕНИЕ РОССИЙСКОЙ АКАДЕМИИ НАУК УЧРЕЖДЕНИЕ РОССИЙСКОЙ АКАДЕМИИ ИНСТИТУТ ФИЗИКО-ХИМИЧЕСКИХ И НАУК ИНСТИТУТ МАТЕМАТИЧЕСКИХ БИОЛОГИЧЕСКИХ ПРОБЛЕМ ПОЧВОВЕДЕНИЯ РАН ПРОБЛЕМ БИОЛОГИИ РАН ...»

-- [ Страница 7 ] --

С помощью имитационного моделирования установлено, что автокорреляционные функции, вычисленные по последовательностям состояний системы (1), разделяются по своему характеру на два вида: затухающие и незатухающие. Причем незатухающие автокорреляционные функции наблюдаются в тех случаях, когда состояния системы образуют несколько кластеров состояний и система, изменяя свое состояние, переходит из кластера в кластер, сохраняя порядок перехода. Затухающие автокорреляционные функции имеют место, когда состояния системы образуют только один кластер. Такое различие в поведении автокорреляционных функций указывает на качественно различные динамические режимы системы.

Таким образом, можно заключить, что апериодические режимы системы (1) можно разделить на два типа. Первый тип динамического режима представляет собой циклы конечной длины (больше единицы), элементы которых, флуктуируя в ограниченных диапазонах, образуют кластеры состояний системы, и имеющий незатухающие автокорреляционные функции. Предложено такую динамику называть обобщенной периодической. Второй тип динамического режима характеризуется единственным выделяемым кластером состояний системы и затухающей автокорреляционной функцией.

Введено формальное определение обобщенной периодической динамики системы.

Будем говорить, что динамика системы характеризуется обобщенными периодическими изменениями состояния, если существует такое 0 и T 1, что для любых i, k N выполняется неравенство ( xi, xi+k T ), (2) где ( x, y ) -метрика, определенная в пространстве состояний системы, величина определяет пороговое значение, ограничивающие сверху максимальное расстояние между любыми двумя состояниями из одного кластера. Наименьшее значение T, для которого выполняется условие (2) называется периодом обобщенной динамики.

В такой формулировке легко увидеть, что понятие обобщенной периодической динамики обобщает не только периодическую, но квазипериодическую динамику.

Материалы Второй конференции «Математическое моделирование в экологии»

ЭкоМатМод-2011, г. Пущино, Россия Разработан алгоритм, позволяющий по фрагменту последовательности состояний системы обнаруживать обобщенную периодическую динамику, а также определять ее период T и выделять кластеры состояний системы.

С помощью разработанного алгоритма в пространстве параметров модели Риккера были выделены области, в которых наблюдаются обобщенные периодические динамики. По результатам сравнения областей существования периодической динамики с выделенным областями обобщенных периодических сделаны следующие выводы.

Разработанный алгоритм обнаружения обобщенной периодической динамики позволяет надежно обнаруживать периодические динамики.

Области существования обобщенных периодических динамик, не являющихся одновременно и периодическими, продолжают каждую серию бифуркаций периодических режимов в сторону увеличения значения параметра модели a. Причем с увеличением значения параметра a происходит уменьшение периода T.

Область значений параметров, при которых в модели (1) возникают хаотические динамики, существенно сократилась за счет выделения областей обобщенной периодичности.

Исследования проведены при частичной финансовой поддержке РФФИ (№ 09-04а) и ДВО РАН (№ 09-I-П15-01, №09-I-ОБН-12).

ГИПОТЕЗА ДОКУЧАЕВА – ЦЕНТРАЛЬНАЯ ИДЕЯ

ЦИФРОВОГО ПРОГНОЗНОГО ПОЧВЕННОГО КАРТОГРАФИРОВАНИЯ

Флоринский И.В.

Институт математических проблем биологии РАН, Пущино, Россия iflor@mail.ru Аннотация: показано, что центральная идея современного прогнозного почвенного картографирования в явном виде сформулирована В.В. Докучаевым в 1886 году.





Введение В последние двадцать лет в почвоведении получило развитие цифровое прогнозное почвенное картографирование (McBratney et al., 2003; Lagacherie et al., 2007; Hartemink et al., 2008; Boettinger et al., 2010), целью которого является прогноз пространственного распределения 1) почвенных таксономических единиц и 2) физических, химических и биологических количественных свойств почвы на основе анализа пространственно распределенных количественных характеристик факторов почвообразования. Применяемые при этом математические методы включают множественный регрессионный анализ, гибридные геостатистические подходы, аппарат нечетких множеств, дискриминантный анализ, нейронные сети и др.

В качестве теоретической базы для прогнозного почвенного картографирования, McBratney et al.

(2003) предложили модель эмпирического количественного описания взаимосвязей между почвой и пространственно распределенными предикторами SCORPAN:

S c = f (s, c, o, r, p, a, n ), S a = f (s, c, o, r, p, a, n ), (1) где Sc – почвенные таксономические единицы, Sa – количественная характеристика почвы;

s – почва (другие характеристики почвы); c – климат (локальные климатические характеристики); o – организмы, растительность, фауна, человек; r – рельеф (морфометрические величины); p – материнская порода, литология; a – возраст, время; n – пространственное положение. Очевидно, что формулы 1 являются версиями известной формулы Г. Йенни (Jenny, 1941, p. 16). Об этом пишут сами авторы SCORPAN, подчеркивая приоритет и принципиальную важность работы Йенни для возникновения и развития Материалы Второй конференции «Математическое моделирование в экологии»

ЭкоМатМод-2011, г. Пущино, Россия прогнозного почвенного картографирования (McBratney et al., 2003, p. 6). Ниже мы покажем, что авторы SCORPAN несколько заблуждаются.

Гипотеза Докучаева В середине 1880-х В.В. Докучаевым была сформулирована следующая гипотеза (Докучаев, 1886, с.

352-353):

«Всякая … почва всегда и всюду является простой функцией4 от следующих почвообразователей: 1) характера (состав и строение) материнской горной породы,

2) климата данной местности, 3) массы и характера растительности, 4) возраста страны и, наконец, 5) рельефа местности. Отсюда прежде всего следует (a), что раз в двух местностях (как бы далеко они ни отстояли бы одна от другой) упомянутые факторы равны, – должна быть одинакова и почва, и – наоборот; следовательно (b), если мы вполне изучим эти факторы, то уже наперед можно предсказать, какова должна быть и самая почва? Далее (c), как всякому известно, момент не должен изменяться, если одна из слагающих его сил будет увеличена или уменьшена на столько, на сколько изменится, в обратном отношении, другая из слагающих; понятно, то же самое соотношение должно существовать, до известной степени, и между характером почвы и характером ее производителей.

Отсюда ясно, что с теоретической точки зрения является вполне мыслимыми постановка и решение такого, напр., вопроса: изменилась ли бы данная почва и на сколько именно, если бы, при ее образовании, температура местности увеличилась, положим, на 1–2°, а количество метеорной влаги, за то же время, возросло на 1–2 дюйма? Изменилась бы почва, если бы прирост данной растительности увеличился на 20 пудов (на десятину), а температура понизилась бы на 1–2°?

Повторяю, все это так ясно, так логически законно и даже неизбежно, что, вероятно, спорить против этого никто не станет.

К сожалению, доказать все эти положения фактически, с желаемой полнотой, и – особенно выразить в деталях ответ на последний вопрос (c), представляется пока затруднительным. Причины совершенно понятны. Без сомнения, на первом плане стоит здесь крайняя сложность условий, влияющих на почву; во-вторых, эти условия не представляют постоянных величин, а поэтому и трудно поддаются цифровому обозначению;

наконец, по одним из упомянутых факторов у нас мало данных, а по другим и вовсе нет. Тем не менее, будем надеяться, что и эти препятствия со временем устранятся и тогда почвоведение сделается действительно точной наукой.»

Обсуждение Таким образом, центральная идея и постановка проблемы прогнозного почвенного картографирования были в явном виде сформулированы В.В. Докучаевым в 1886 г. В конце 1920-х гг. гипотеза Докучаева становится известной на Западе, так как почти всю приведенную нами цитату воспроизводит (без ссылки) Я.Н. Афанасьев в своей книге на английском языке (Afanasiev, 1927, p. 10). Эта книга является его докладом, представленным на I Международном конгрессе почвоведов в Вашингтоне. С гипотезой Докучаева был знаком Г. Йенни: он цитирует ее по Афанасьеву, но весьма избирательно: только последний (!) из процитированных нами и Афанасьевым абзацев (Jenny, 1941, p. 17).

Очевидно, что гипотеза Докучаева лежит, в той или иной степени, в основе практически всех современных методов почвенного прогнозного картографирования и математических моделей почвообразования, хотя ни в одной соответствующей публикации гипотеза Докучаева не упоминается.

Все выделения курсивом сделаны Докучаевым.

Материалы Второй конференции «Математическое моделирование в экологии»

ЭкоМатМод-2011, г. Пущино, Россия Заключительные замечания

1. Интуиция В.В. Докучаева и его дар научного предвидения вызывает восхищение.

2. Систематические проявления «научной» «политкорректности» западных коллег оставляем без комментариев.

3. Так стало ли почвоведение «действительно точной наукой»?..

Литература Докучаев В.В. Главные моменты в истории оценок земель Европейской России, с классификацией русских почв // Материалы к оценке земель Нижегородской губернии. Естественноисторическая часть. Отчет Нижегородскому губернскому земству. Вып. 1.- СПб.: Типография Е. Евдокимова, 1886.- 391 с.

Afanasiev J.N. The Classification Problem in Russian Soil Science.- Leningrad: Academy of Sciences of the USSR, 1927.- 51 p. - http://library.wur.nl/isric/fulltext/isricu_i331_001.pdf Boettinger J.L., Howell D.W., Moore A.C., Hartemink A.E., Kienast-Brown S. (Eds.). Digital Soil Mapping – Bridging Research, Environmental Application, and Operation.- Dordrecht: Springer, 2010.- 473 p.

Hartemink A.E., McBratney A., Mendona-Santos M.L. (Eds.). Digital Soil Mapping with Limited Data.- Dordrecht:

Springer, 2008.- 445 p.

Jenny H. Factors of Soil Formation. A System of Quantitative Pedology.- New York: McGraw Hill, 1941.- 281 p.

Lagacherie P., McBratney A.B., Voltz M. (Eds.). Digital Soil Mapping. An Introductory Perspective. - Amsterdam:

Elsevier, 2007.- 600 p.

McBratney A.B., Mendona Santos M.L., Minasny B. On digital soil mapping // Geoderma.- 2003.- Vol. 117.- № 1-2.P. 3-52.

МОДЕЛИРОВАНИЕ ДИНАМИКИ ВЕСЕННИХ ФЕНОДАТ У ДРЕВЕСНЫХ

РАСТЕНИЙ

Фомина В. А., Овчинникова Т. М., Суховольский В. Г.

Институт леса им. В.Н. Сукачева СО РАН 660036, г. Красноярск, Россия valentinafomi@gmail.com Аннотация: проведен анализ фенологических наблюдений деревьев хвойных и лиственных пород на территории заповедника «Столбы», предложена модель расчета весенних фенодат для деревьев различных пород, приведена апробация модели на имеющихся статистических данных Для лесов бореальной зоны характерна сезонная ритмика, классифицируемая в форме фенофаз, описывающих разные этапы сезонной динамики. Погодные условия сезона считаются одним из важнейших факторов, определяющих фенодинамику. Стандартным показателем, используемым многими исследователями, для определения сроков наступления фенологических событий, является сумма накопленных температур, вычисляемая с момента t 0, когда дневная температура воздуха превысила некоторое минимальное значение T0 (Hunter, Lechowicz 1992). Предполагается, в частности, что фаза развертывания листьев у деревьев наступает, когда сумма накопленных температур tk S ( t 0, t k ) = ( T ( t ) T0 ) превышает некоторое критическое значение S r. Фактически t = t0 величину S ( t 0, t k ) можно рассматривать как рекурсивный фильтр с равными весами для всех значений температуры воздуха в период от t 0 до t k (Хемминг, 1987). Для бореальных лесов период времени t = t r t 0 составляет полтора – два месяца (Шнелле, 1961), и использование фильтра S ( t 0, t k ) неявно предполагает, что у растения существует некоторый механизм «памяти», позволяющий сохранять и суммировать в определенной форме данные о погодных условиях в этот период.

Материалы Второй конференции «Математическое моделирование в экологии»

ЭкоМатМод-2011, г. Пущино, Россия Однако многие авторы указывают на то, что различия значений сумм накопленных температур, при наборе которой реализуется переход в фазу распускания листьев, в разные годы велика, что не согласуется с гипотезой о постоянстве значения критической суммы температур (Chuine, Cour 1999; Lechowicz 2002).

Альтернативная гипотеза, с помощью которой авторы настоящей работы предлагают объяснить наступление фенодаты распускания листьев в отдельном году, предполагает, что у древесных растений существует механизм краткосрочного прогнозирования погоды.

Если рассматривать наступление фенодаты в отдельном году как процесс принятия деревом решения (не касаясь физиологических и биохимических механизмов, способствующих такому процессу), то можно говорить об ошибках принятия решения.

Ошибка первого рода (пропуска цели), характеризует ситуацию, когда переход в очередную фазу не происходит, хотя все внешние погодные условия, необходимые для функционирования дерева в новой фазе, уже реализованы. В этом случае растения теряют некоторую часть времени, в течение которого могли бы реализовать физиологические программы следующей фазы развития. Ошибка второго рода (ложная тревога) реализуется, когда переход в новую фазу осуществляется, но сразу же после этого перехода происходят неблагоприятные изменения состояния природной среды (например, весенние заморозки). В этом случае деревья могут даже погибнуть. Для оптимизации задачи принятия решения о переходе в очередную фазу развития необходима схема принятия решения, минимизирующая как ошибки первого рода, так и ошибки второго рода.

В настоящей работе предложена модель воздействия погодных условий на сроки наступления фенофаз, характеризуемая сопряженным выполнением условия минимума экологического риска при переходе в соответствующую фенофазу, связанного ошибками первого и второго рода.

В качестве характеристик, описывающих процесс принятия решения растением в зависимости от погодных факторов, введены следующие функции:

- функция G(t), характеризующая среднюю температуру воздуха за период времени t k t 0, tk

–  –  –

Материалы Второй конференции «Математическое моделирование в экологии»

ЭкоМатМод-2011, г. Пущино, Россия Каждую дату t в период от начала вегетации до наступления фенодаты можно характеризовать значениями G ( t ) и произведения H ( t ) f ( t ). Точки в плоскости { G, H f } можно отнести к одному из двух классов: классу дат, для которых наступление фенодаты маловероятно, и классу дат, для которых наступление фенодаты наиболее вероятно. Для разделения облаков точек, принадлежащих к этим двум классам, использовались методы линейного дискриминатного анализа.

Для тестирования модели использовались данные многолетних (1980-2009 гг.) фенологических и метеорологических наблюдений в заповеднике «Столбы» Красноярского края. Анализировались фенодаты начала развертывания листвы у следующих видов деревьев: пихты сибирской (Abies sibirica), ели сибирской (Picea obovata), лиственницы сибирской (Larix sibirica), осины (Populus tremula), сосны обыкновенной (Pinus silvestris), сосны сибирской (Pinus sibirica), березы повислой (Betula pendula), рябины сибирская (Sorbus sibirica), черемухи (Padus avium).

Результаты тестирования модели на статистических данных зависят от выбора значений параметров: k, m, t 0 а также от выбора вида функции f ( t ). Оптимальные величины этих параметров следует выбирать, опираясь на фенологию того или иного вида растения.

МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ ДИНАМИКИ ПРОМЫСЛОВЫХ

ПОПУЛЯЦИЙ

Фрисман Е.Я.

Учреждение Российской академии наук Институт комплексного анализа региональных проблем ДВО РАН, Биробиджан, Россия frisman@mail.ru Аннотация: предлагается математическая модель, в рамках которой возможно исследование как нелинейных эффектов популяционной динамики, так и воздействия промысла. Формализуется зависимость величины изъятия от промысловых усилий и численности популяции. Осуществлен теоретический анализ возможных эволюционно-генетических последствий промысла. Показано, что, промысел способен изменить условия естественного отбора и поменять направление генетической эволюции.

Для многих интенсивно эксплуатируемых популяций процесс промыслового изъятия стал неотъемлемой составляющей биологического цикла, не менее существенной для популяционной динамики, чем процессы естественной смертности или размножения.

Вместе с тем интенсивность промысла сама по себе может весьма сложно зависеть от плотности популяции добываемых животных. Так для мелких пушных зверей, особенно белки, оказывается характерна сложная зависимость интенсивности охоты (в том числе количества промышляющих охотников) от численности животных в данный охотничий сезон. Охотники ведут интенсивный промысел при большой плотности зверей и практически отказываются от промысла в периоды депрессии численности. Таким образом, при анализе механизмов динамики численности промысловых популяций необходимо явно учитывать особенности и результаты их промысла.

В процессе выполнения данного исследования была разработана весьма простая математическая модель динамики численности промысловых популяций, отражающая периодичность процесса размножения (модель с дискретным временем) и ориентированная на описание и исследование результатов промыслового воздействия. При построении модели предполагается, что жизненный цикл состоит из следующих процессов: размножения, естественной смертности и промысла. Обозначим через Xn, численность популяции, с которой она вступает в размножение, в n-ом году. После годового воспроизводства (рождения Материалы Второй конференции «Математическое моделирование в экологии»

ЭкоМатМод-2011, г. Пущино, Россия потомства и естественной убыли) популяция подвергается промыслу, и оставшаяся часть доживает до размножения (n+1)-го года.

Формально это можно записать в виде следующего рекуррентного уравнения:

X n +1 = F ( X n ) G (F ( X n )), где F(Xn) – функция воспроизводства, а G(F) – функция промысла.

В качестве функция воспроизводства для промысловых популяций рыб наиболее часто используются кривые Бивертона-Холта: F(Xn) = aXn/(1+bXn) и Рикера: F(Xn) = aXnexp(bXn).

При выборе и уточнении функции воспроизводства можно учесть зависимость репродуктивных возможностей популяции и величины естественной убыли от текущих условий среды обитания, в частности, от запасов доступной пищи.

Это можно сделать, полагая, например, в модели Рикера коэффициент b, характеризующий конкурентноспособность особей между периодами размножения n-го и (n+1)-го годов, линейной функцией двух аргументов Cn, и Cn+1 – запасов доступного корма в смежных годах, т.е.:

bn = b0 - b1 Cn - b2 Cn+1 Функция промысла G(F) существенно зависит от условий и интенсивности промысла, которая, в свою очередь, измеряется величиной промысловых усилий Un. Функция G(F), выбрана нами в виде “трофической” функции с насыщением как по численности популяции

F, так и по числу усилий U:

G (F,U ) = FU [(m + U )(1 + F )] Используемые здесь параметры носят ясный содержательный смысл: - максимально возможная доля изъятия, m - величина промысловых усилий, обеспечивающая долю изъятия, равную половине от максимально возможной при заданном уровне численности, 1/ величина численности популяции, при которой изымаемая доля равна половине от максимально возможной при заданных промысловых усилиях.

Аналитическое и численное исследования предложенной модели и ее применение для описания динамики промысловых видов привели к следующим выводам.

В отсутствии промысла характер динамики численности популяции определяется величиной репродуктивного потенциала и наличием кормовых запасов. При небольшом и среднем репродуктивном потенциале колебания численности фактически отражают (с некоторым запаздыванием) колебания пищевых запасов. Такую динамику мы наблюдаем у кабана, изюбря и некоторых других видов. При большом репродуктивном потенциале колебания численности становятся резче и определяются, в основном, плотностнозависимыми факторами, а колебания запасов корма играют фоновую роль. Типичный пример белка и колонок. Ведение промысла снижает остроту колебаний, связанную с повышенной плотностью, но сохраняет колебания, связанные с изменением в кормовой базе. Более того, поскольку интенсивность промысла зависит от уровня численности, он может как «раскачивать» вынужденные колебания, так и приводить к резкому падению численности популяции вплоть до ее полного вырождения.

На основе разработанной модели поставлена и исследована задача оптимизации размера промыслового изъятия из популяции. Показано, что оптимальная интенсивность промысла не должна превышать степени природного экологического лимитирования популяции. Развитие данных подходов приведет к созданию новых стратегий использования промысловых биоресурсов и постепенному переходу от идеологии промысла к хозяйственному природопользованию.

Далее нами был осуществлен теоретический анализ возможных эволюционногенетических последствий промысла. Рассматривается простейшая модельная ситуация, в которой проявляются закономерности взаимосвязанных изменений генетической структуры и численности популяции, вызванные взаимодействием эволюционных (в основном селективных) и экологических (ограничивающих популяционный рост) факторов.

Исследуется модель динамики панмиктичной менделевской популяции диплойдных Материалы Второй конференции «Математическое моделирование в экологии»

ЭкоМатМод-2011, г. Пущино, Россия организмов, генетическое разнообразие в которой контролируется одним диалелльным локусом, а экологическое лимитирование заключается в убывающей зависимости приспособленностей генотипов от численности. Промысловое воздействие сводится к изъятию постоянной доли от численности каждого поколения. Особое внимание уделяется изучению возможности сохранения или утраты полиморфизма в результате равновесного промысла. Показано, что в свободной от эксплуатации популяции происходит оптимизация ее генетического состава по ресурсному параметру и преимущество имеют генотипы, обеспечивающие большие равновесные численности в условиях ограниченности жизненных ресурсов. В эксплуатируемой популяции оптимизируется скорость ее прироста и наиболее приспособленными оказываются генотипы, дающие большее потомство, т.е. обладающие большим репродуктивным потенциалом, а фактор ограниченности жизненных ресурсов отступает на второй план. Таким образом показано, что, промысел способен изменить условия естественного отбора и привести не только к изменению характера динамики численности эксплуатируемой популяции, но и поменять направление генетической эволюции.

Работа выполнено при поддержке РФФИ (гранты 09-04-00146-а, 11-01-98512р_восток_а) и ДВО РАН (конкурсный проект 09-1-ОБН-12) в рамках программы ОБН РАН «Биоресурсы России»

МОДЕЛИРОВАНИЕ ДИНАМИКИ ПУЛОВ КАЛЬЦИЯ В ЛЕСНЫХ ЭКОСИСТЕМАХ

Хораськина Ю.С., Комаров А.С., Безрукова М.Г., Быховец С.С.

Учреждение Российской академии наук Институт физико-химических и биологических проблем почвоведения РАН, Пущино, Россия yulia_hor@rambler.ru Аннотация: В данной работе предлагается схема и уравнения модели динамики кальция в лесных экосистемах, основанной на представлении о круговороте, как совокупности пулов и потоков элемента в системе. Наиболее подробно описана почвенная часть. В основе расчета коэффициентов скоростей трансформации лежат соответствующие коэффициенты модели органического вещества Romul.

Кальций – жизненно необходимый элемент для прокариот, грибов, растений и животных. Для растений является важным регулятором роста и развития, входит в состав клеточных стенок (в форме пектата) и ряда ферментов. При недостатке кальция нарушается рост растений в высоту.

Кратко круговорот кальция можно описать следующим образом. Са поступает в лесные экосистемы с атмосферными выпадениями и в результате выветривания минералов.

После освобождения в ходе разложения и минерализации органического вещества ион Са поступает в почвенный раствор, из которого может адсорбироваться в почвенный поглощающий комплекс (ППК), поглощаться растениями или микроорганизмами или выщелачиваться из почвенного профиля.

Цель данной работы – разработать модель динамики пулов кальция в лесной почве, для связи динамики пулов кальция с динамикой пулов органического вещества и азота почвы, опираясь при этом на минимальное число уравнений и экспериментально определяемых коэффициентов модели. Модель учитывает следующие цепи круговорота.

Кальций поглощается растениями из почвенного раствора, в биомассе растений он накапливается, после отмирания растений или их частей переходит в органические остатки (опад), которые затем минерализуются в почве. При этом Ca переходит в доступную для растений форму (ионы почвенного раствора и ППК) и вновь поглощается растениями. Часть доступного кальция участвует в образовании новых минералов (оксалаты кальция) или Для LСа пул делится на фракции соответственно фракциям поступающего опада – хвоя, ветви, древесина, кора, толстые и тонкие корни. В пуле FCa эти фракции объединяются соответственно в один пул. В HCa и SHCa кальций включается в состав органо-минеральных комплексов, образуя фульваты (растворимые) и гуматы (слаборастворимые) кальция.

Существует еще несколько «внегоризонтных» пулов.

Доступный для растений (и микроорганизмов) пул включает в себя кальций почвенного раствора и обменный кальций почвенно-поглощающего комплекса (ППК).

Водорастворимый кальций почвенного раствора, легко доступный для растений, представляет пул Ca available (Av), менее доступный обменный кальций – Са exchangeable (Ex).

Sm – пул вторичных минералов кальция – веввелитов и ведделитов – оксалатов кальция. Эти минералы растворимы и образуются в подстилке при недостатке влаги или поступают с опадом, образуясь в клетках растений. Вследствие малого количества материалов по динамике этих минералов, мы предполагаем следующее, основываясь на известных нам данных (Cromack, 1978). В динамике кальция будем различать два периода – вегетационный с начала снеготаяния и до опадения листвы и период покоя. Различия будут Материалы Второй конференции «Математическое моделирование в экологии»

ЭкоМатМод-2011, г. Пущино, Россия введены для долей от потоков Са, поступающих в результате минерализации в пул Av и доли, уходящей во вторичные минералы (Smf, Sml, Smh,).

Период покоя. В процессе разложения опада и подстилки часть от высвободившегося кальция осаждается в виде оксалатов. Остальная часть поступает в пул доступного кальция.

Са копится в этих пулах. Весной, при достижении почвой положительных температур, что можно считать началом снеготаяния, происходит растворение части (SmAv) вторичных минералов и кальций из Sm поступает в Av. Вегетационный период. Из растворимой формы происходит потребление растениями ежемесячно на протяжении вегетационного периода.

Если после потребления в конце вегетационного периода в пуле Av что-то осталось, то эта часть переходит в обменный Са – Ех. Если растениям не хватило кальция, то они добирают необходимый Са из пула Ех и Sm. Потребление происходит с месячным шагом.

Ca_Weath – пул ежегодного поступления кальция в доступный в результате выветривания минералов. Является входным параметром.

Са_Up – пул потребления растениями. Соответствует необходимому количеству кальция для годового прироста растений.

Са_Dep – пул кальция, поступающего с твердыми и жидкими атмосферными выпадениями. Мы предполагаем, что этот кальций сразу поступает в доступный пул.

Leach – кальций, который выщелачивается из доступного пула (раз в месяц).

Предлагается следующая процедура для вычисления объемов выщелачивания с учетом количества осадков, поступающих на почву и выносящихся из нее. На почву поступает некоторое количество воды W плюс некоторое количество есть в самой почве Ws. В этой воде «растворяется» кальций пула Av. Полученная концентрация кальция в почвенном растворе [Ca_Av]=Са_Av/(W+Ws). Объем воды, вытекающей из-под рассматриваемой почвенной толщи (после испарения и потребления растениями) будет Wleach. Соответственно кальция в нем – Са_leach=Wleach*[Ca_Av]. Эти расчеты производятся в конце шага после потребления кальция растениями. Если растения забрали весь кальций из Av, выщелачивание равно 0.

Между описанными выше пулами происходит трансформация органического вещества и его минерализация и, соответственно, переход кальция из одного пула в другой.

Эти процессы описываются в виде следующих уравнений:

dLСа/dt=LCa–k1*LСа–k3* LСа dFCa/dt=FCa+k3*LСа–k2*FCa–k4*FCa–k5*FCa dHCa/dt=HCa+d*k4*FCa–k6* HCa–k5*HCa dLHCa/dt=LHCa+k3*LСа–k2*LHCa–k4*LHCa–k5*LHCa dSHCa/dt=SHCa+k5*FCa+(1-d)*k4*FCa–k8*SHCa dCaAv/dt=CaAv+(1-SmL)*k1*LСа+(1-SmF)*k2*FCa+(1–SmH)*k6*HCa+k2*LHCa+k8*SHCa+ +CaWeath+CaDep–Leach–Са_Up+SmAv*Sm dSm/dt=Sm+SmL*k1*LСа+SmF*k2*FCa+SmH*k6*HCa–(Са_Up–CaAv–CaEx)–SmAv*Sm dCaEx/dt=CaEx–(Са_Upt–CaAv)+CaAv В качестве начальных значений коэффициентов мы принимаем значения, вычисленные для динамики пулов органического вещества в модели ROMUL (Сhertov et. al, 2001). Это позволит в дальнейшем найти условия стационарного состояния для динамики пулов органического вещества, а затем определить поправки к соответствующим коэффициентам для пулов кальция, обеспечивающим стационарную динамику этих пулов.

Программная реализация модели динамики кальция выполнена в среде Borland Developer Studio на языке Object Pascal.

Была проведена калибрация модели для северотаежных лесов Европейской части России, на примере ельника кустрничково-зеленомошного (Хораськина и др, 2009), а также для еловых горных лесов в заповеднике “Парангалица” (Болгария) (Хораськина и др., 2010), для различных сценариев воздействия.

Материалы Второй конференции «Математическое моделирование в экологии»

ЭкоМатМод-2011, г. Пущино, Россия

Работа поддержана Программой Президиума РАН №4, грантом РФФИ № 09-04-01209

Литература Хораськина Ю.С., Комаров А.С., Безрукова М.Г., Лукина Н.В., Орлова М.А. Модель динамики кальция в северотаежных лесных почвах // Известия Самарского научного центра Российской академии наук.С. 1468-1477.

Хораськина Ю.С., Комаров А.С., Безрукова М.Г., Жиянски М. Моделирование динамики кальция в органических горизонтах почвы // Компьютерные исследования и моделирование.- 2010.- Том 2.- № 1.С. 103-110.

Chertov O. G., Komarov A. S., Nadporozhskaya M. A., Bykhovets S. S., Zudin S. L. ROMUL — a model of forest soil organic matter dynamics as a substantial tool for forest ecosystem modelling // Ecological Modelling.- 2001.Vol. 138.- P. 289–308.

Cromack K.JR, Sollins Ph., Graustein W.C., Speidel K., Todd A.W., Spycher G., Li Ch.Y., Todd R.L. Calcium oxaLte accumuLtion and soil weathering in mats of the hypogeous fungus Hysterangium crassum // Soil Bio/.

Biochem.- 1979.- Vol. 11.- P. 463-468.

ЧТО ПРОИСХОДИТ ПРИ ОСВОЕНИИ В РУБКУ СЛАБОНАРУШЕННЫХ ЛЕСОВ:

ПРИМЕНЕНИЕ МОДЕЛИ EFIMOD ДЛЯ ЧАСТИ ЛИСИНСКОГО УЧЕБНООПЫТНОГО ЛЕСНИЧЕСТВА

Чертов О.Г.1, 2, Грязькин А.В.1, Смирнов А.П.1, Ковалев Н.В.1 Санкт-Петербургская Лесотехническая Академия, Ст-Петербург, Российская Федерация lesovod@bk.ru Бингенский Политехнический ун-т, Бинген, Германия chertov@fh-bingen.de Аннотация: приводятся данные 100-летней имитации моделью EFIMOD динамики лесной растительности и почв слабонарушенного лесного массива при естественном развитии и при нормативном сплошнолесосечном хозяйстве. Показано существенное снижение пулов углерода в растительности и почве в конце имитации, а также отрицательный баланс углерода при рубках по сравнению с ненарушенными лесами До сих пор динамические модели лесных экосистем применялись в основном для освоенных интенсивно эксплуатируемых лесов при разных режимах лесопользования (Моделирование динамики..,2007; Чумаченко и др. 2001; Shanin et al., 2011, и мн.др.) В Лисинском лесничестве имеется лесной массив научного значения, в котором длительное время ведется очень ограниченное лесопользование. Его площадь 1134 га, 67% территории составляют спелые и перестойные леса, в которых половина древостоев старше 120 лет. Для этого лесного массива было сделано два 100-летних сценария прогонов модели EFIMOD: а) естественное развитие леса без катастрофических нарушений и б) нормативный сплошнолесосечный режим с 4-мя рубками ухода и сплошной рубкой в 100-120 лет в хвойных и 60-80 лет в лиственных насаждениях. Рубки имитировались каждые 10 лет с соблюдением расчетной лесосеки и успешным возобновлением хвойных и лиственных пород. В среднем за 100-летний период «вырубалось» 3,8 м3 древесины/га в год.

При рассмотрении генерализованных результатов имитации обращает на себя внимание различие динамических трендов при естественном развитии и вовлечении лесов в рубки (рисунок 1). Если при естественном развитии продолжается аккумуляция углерода в древостоях, то при рубках происходит снижение общей биомассы лесного массива. В итоге средние величины углерода биомассы деревьев на всей территории в конце имитации составляют при естественном развитии 163 т/га, а при рубках 39 т/га. В почвах при естественном развитии отмечается заметное возрастание массы органического вещества почв (ОрВП) до достижения равновесного состояния. Напротив, при вовлечении лесов в рубки Материалы Второй конференции «Математическое моделирование в экологии»

ЭкоМатМод-2011, г. Пущино, Россия прослеживается некоторое снижение пулов ОрВП к концу 100-летней имитации.

Рисунок 1. Динамика углерода биомассы древостоев и ОрВП Гришкинской дачи Лисинского лесничества в сценариях естественного развития и сплошнолесосечного хозяйства На рисунке 2 видны существенные различия статей баланса углерода в обоих сценариях.

Нетто биологическая продуктивность (НБП) и дыхание почвы (эмиссия углекислоты) снижаются в среднем на всей территории при рубках. При этом при рубках происходит изъятие из лесных экосистем заметного количества углерода с заготовленной древесиной и сжиганием порубочных остатков. Это приводит к существенному различию баланса углерода всей территории при естественном развитии и рубках. В режиме заповедания на территории наблюдается существенное депонирование углерода в размере

0.73 т С /га в год, то при освоении лесов в рубки идут потери углерода в количестве 0.83 т С /га в год.

Такая картина изменения лесной территории и баланса углерода при освоении лесов легко предсказуема. Также ясно, что в итоге пулы и баланс углерода при рубках придут к своему равновесному состоянию, как это было показано ранее. Однако становится понятным, что «освоение» лесов огромных территорий востока страны приведет к неблагоприятным последствиям с точки зрения глобального баланса углерода и изменения климата.

Рисунок 2. Компоненты баланса углерода в лесных экосистемах Гришкинской дачи, средние значения на всю территорию за 100-летний период.

Статья «заготовленная древесина»

включает в себя также и потери углерода при сжигании порубочных остатков Материалы Второй конференции «Математическое моделирование в экологии»

ЭкоМатМод-2011, г. Пущино, Россия Литература Моделирование динамики органического вещества в лесных экосистемах. Отв. Ред. В.Н. Кудеяров.- М.: Наука.

2007.- 380 с.

Чумаченко С.И., Паленова М.М., Коротков В.Н. Прогноз динамики таксационных показателей лесных насаждений при разных сценариях ведения лесного хозяйства: Модель динамики лесных насаждений FORRUS-S // Экология, мониторинг и рациональное природопользование. Науч. тр. МГУЛ, вып. 314.

М.: МГУЛ, 2001.- С. 128-146.

Shanin V. N. Komarov A.S., Mikhailov A,V., Bykhovets S.S. Modelling carbon and nitrogen dynamics in forest ecosystems of Central Russia under different climate change scenarios and forest management regimes // Ecological Modelling. - Vol. 222.- 2011. Accepted. Citation: doi:10.1016/j.ecolmodel.2010.11.009.

ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ ВЛИЯНИЯ ЛЕСНЫХ ПОЖАРОВ НА

БАЛАНС УГЛЕРОДА В ТАЕЖНЫХ ЭКОСИСТЕМАХ ЕВРОПЕЙСКОЙ РОССИИ И

ЦЕНТРАЛЬНОЙ КАНАДЫ

Чертов О.Г.1, 4, Комаров А.С.2,Грязькин А.В.1, Смирнов А.П.1, Бхатти Д.С.3 Санкт-Петербургская Лесотехническая Академия, Ст-Петербург, Российская Федерация lesovod@bk.ru Пущинский гос. университет, Пущино на Оке, Российская Федерация as_komarov@rambler.ru Северный лесоводственный центр Канадской Лесной Службы, Эдмонтон, Эдмонтон, Альберта, Канада jagtar.bhatti@nrcan-rncan.gc.ca Бингенский Политехнический ун-т, Бинген, Германия chertov@fh-bingen.de Аннотация: приводятся данные долговременной имитации динамики экосистем хвойных лесов Европейской России и центральной Канады с различными режимами лесных пожаров моделью лесных экосистем EFIMOD.
Результаты моделирования показали, что пожары приводят к снижению высоты, диаметра, запасов древесины, нетто биологической продуктивности и пулов органического вещества почв моделируемых экосистем как в обеих странах Количественная оценка долговременных последствий лесных пожаров является трудоёмкой и сложной задачей (Фуряев, Киреев, 1979; Софронов, Волокитина, 1998;

Мелехов и др., 2007). В этом отношении могут оказаться полезными динамические модели лесных экосистем (Моделирование динамики.., 2007; Porte, Bartelink, 2002).

Приводятся материалы по использованию модели системы «древостой-почва»

EFIMOD (Моделирование динамики..,2007) для оценки долговременного экологического воздействия лесных пожаров на экосистемы сосны Банкса (Pinus banksiana) и черной ели (Picea mariana) в Канаде и сосны обыкновенной (Pinus sylvestris) и ели европейской (Picea abies) в России. Моделировалось два 70-летних оборота рубки с прореживанием в 40 лет, с успешным возобновлением через 5 лет после рубки и тремя типами пожаров (таблица 1).

–  –  –

Рисунок 1. Долговременный эффект лесных пожаров на нетто биологическую продуктивность (НБП) в сосняках Банкса в Канаде во второй 70-летней ротации после сплошной рубки, низового пожара после рубки и верхового пожара без рубки горельника Все виды имитируемых лесных пожаров приводят к снижению высоты, диаметра, густоты и запасов древесины в моделируемых древостоях как в России, так и в Канаде.

Самое слабое негативное влияние на показатели производительности древостоев оказывают подстилочные пожары, самое сильное – верховые. Низовые пожары после сплошной рубки и верховые пожары приводят к близким последствиям в отношении производительности леса в следующем обороте рубки. Хорошо прослеживается и снижение пулов ОрВП за счет выгорания лесной подстилки. Низовые пожары после прореживания в средневозрастных древостоях оказывают в ряде случаев наименьшее влияние на накопленные запасы древесины, но сильное – на пулы ОрВП. Данные по имитации баланса углерода в лесных Материалы Второй конференции «Математическое моделирование в экологии»

ЭкоМатМод-2011, г. Пущино, Россия экосистемах подтверждают достаточно выраженную деструктивную направленность влияния пожаров на лесные экосистемы. Это, прежде всего, – долговременное снижение нетто биологической продуктивности (Рисунок 1), достигающее в среднем за два оборота рубки 10% в России и 15% в Канаде.

В России потеря углерода из лесных экосистем в долговременной перспективе наблюдается только при верховых пожарах с вырубкой горельника. Во всех остальных случаях при пожарах имитация показывает небольшое секвестирование углерода при пирогенной восстановительной сукцессии. Напротив, в Центральной Канаде все пожары приводят к отрицательному балансу углерода в низкопродуктивных таежных лесах с максимальными потерями углерода при верховых пожарах с вырубкой горельника. Эти различия отражают влияние более мягкого климата Европейской России и более всего – воздействие достаточно высокого поступления азота из атмосферы, оказывающего удобрительный эффект, как это было документировано в Западной Европе (Моделирование динамики..,2007).

Литература Моделирование динамики органического вещества в лесных экосистемах. Отв. Ред. В.Н. Кудеяров.- М., Наука, 2007.- 380 с.

Мелехов И.С., Душа-Гудым С.И.., Сергеева Е.П. Лесная пирология.- М., ГОУ ВПО МГУЛ, 2007.– 286 с.

Софронов М.А., Волокитина А.В. Методика оценки баланса углерода по динамике биомассы в пирогенных сукцессиях // Лесоведение.– 1998.- №3.– С.36-42.

Фуряев В.В., Киреев Д.М. Изучение послепожарной динамики лесов на послепожарной основе.– Новосибирск, Наука,. 1979.- 296 с.

Porte A., Bartelink H.H. Modeliing mixed forest growth: a review of models for forest management // Ecological Modelling.- 2002. - Vol. 202.- P.141-188.

ИСПОЛЬЗОВАНИЕ ЭЛЕКТРОННЫХ БАЗ В ПОПУЛЯЦИОННЫХ

ИССЛЕДОВАНИЯХ

Чижикова Н.А.1, Фардеева М.Б. 1, Прохоров В.Е.1, Казанский (Приволжский) федеральный университет, Казань, Россия vadim.prokhorov@gmail.com, orchis@inbox.ru Аннотация: приведена структура популяционной базы данных, показаны примеры её использования для анализа и моделирования популяций растений различных жизненных форм.

В современных условиях для анализа пространственной организации фитоценозов и популяций используют ГИС-технологии, позволяющие генерализировать разнородную информацию, касающуюся пространственной и возрастной структуры популяций и представить её в форме, удобной для дальнейшего анализа и построения различных моделей.

Для исследования пространственно-возрастной структуры популяций растений мы опирались на общепринятые геоботанические и популяционные методы, основанные на картировании постоянных пробных площадей, размер и форма которых зависели от типа жизненной формы.

Популяционная база данных для растений имеет определенную структуру. В основу базы данных входят три таблицы, содержащие (1) информацию о площадках, где был отмечен и/или закартирован вид, (2) информацию о местоположении особей (клонов или других счетных единиц) видов на площадке, (3) геоботанические описания сообществ, где были заложены площадки. В одной ценопопуляции может быть заложено несколько площадок, в том числе и в течение одного вегетационного сезона, поэтому каждому описанию присваивается уникальный идентификационный номер. Информация о заложенных площадках и их геоботанические описания передаются в базу Флора Материалы Второй конференции «Математическое моделирование в экологии»

ЭкоМатМод-2011, г. Пущино, Россия (Прохоров, 2006, 2009), поэтому идентификационные номера, которые им присваиваются в популяционной базе данных, синхронизируются с базой Флора. Все три основные таблицы в базе связаны по идентификационному номеру описания.

В таблицу (1) заносятся: номер (название) ценопопуляции; дата описания; координаты левого нижнего угла площадки, полученные с помощью GPS; название района; словесное описание антропогенного воздействия; экспертная оценка степени антропогенного воздействия (сильное, умеренное, минимальное); тип фитоценоза; формула древостоя (для лесных фитоценозов). В таблицу (2) заносятся координаты закартированных на площадках особей, кроме этого для каждой особи указывается код вида и код его онтогенетического состояния. В таблицу (3) заносятся геоботанические описания – для каждой площадки приводится список видов и их обилия с указанием методики (по Браун-Бланке, проективное покрытие и т.д.).

Вспомогательными в данной базе данных являются таблицы-справочники, содержащие (4) расшифровку онтогенетических состояний счетных единиц, (5) названия видов, в соответствии с базой Флора, (6) описание эколого-ценотических групп по (Бакин и др., 2000). При необходимости в базу могут быть подгружены и дополнительные справочники.

На основе информационной популяционной базы были построены карты распределения разных видов деревьев на территории различных фитоценозов. Отдельно строились карты поярусного распределения деревьев, как по отдельным видам, так и разновидовые. Составление поярусных карт дает возможность разобраться в пространственной структуре лесных фитоценозов более точно, так как деревья в процессе своего онтогенеза занимают различные ярусы, переходя с возрастом из одного яруса в другой. Каждый ярус обладает определенным только ему присущим комплексом экологических факторов, которые и влияют на пространственную структуру деревьев разного возраста и разных экологических групп (особенно по отношению к свету). Причем для деревьев карты-схемы строились с учетом площадей потенциального питания (Фаликов, 1976). Карты-схемы пространственного распределения травянистых растений и кустарничков отличались тем, что особи разных онтогенетических групп даются точками.

Примеры карт-схем представлены на рисунке 1.

dens.plot dens.plot Анализ возрастной структуры и её динамика проводятся с помощью: базового спектра, коэффициента вариации численности особей CN (в процентах), индекса возрастности популяции, восстановления Iв, замещения Iз; состояние ценопопуляций определялось по совокупности параметров и сравнении онтогенетических спектров с характерными спектрами жизненных форм, предложенных Л.Б. Заугольновой (1994) и классифицировалось как оптимальное, пессимальное и критическое.

Анализ внутрипопуляционного размещения особей (или побегов) разных онтогенетических групп проводился с помощью (а) К(r) функции Рипли, реализованной в пакете spatstat языка статистического программирования R (Ripley, 1976; Baddeley, 2006).

Также использовали PCF (парная корреляционная функция) – пропорциональна среднему числу особей, встречающихся на расстоянии r от случайно выбранной особи. Парная корреляционная функция чётче показывает размер скоплений, расстояний между скоплениями и вновь повторяющихся формирований скоплений (Thorste Wiegand и др.;

2007). Функция Рипли вычислялась для всех особей каждой ценопопуляции без разделения на онтогенетические группы; кросс-функции для прегенеративной и генеративной групп; для всех особей с разделением на онтогенетические группы и клоны-куртины. Созданная электронная популяционная база позволяет проводить более сложный анализ пространственно-возрастного распределения деревьев в разных фитоценозах. Так мы пытались сравнивать пространственное распределение различных онтогенетических групп и разных видов деревьев. Если график функции выше доверительного коридора – отмечается агрегация, если ниже – распределение особей равномерное. Описание метода можно найти в работах (Фардеева, Чижикова и др., 2007, 2009); (б) создавались карты-схемы локальной плотности областей, плотность – как число особей приходящихся на единицу площади.

Литература Бакин О.В., Рогова Т.В., Ситников А.П. Сосудистые растения Татарстана. Изд-во Казан. ун-та, 2000. 496 с.

Заугольнова Л. Б. Структура популяций семенных растений и проблемы их мониторинга//

Автореферат дис. … д. б. н. С. Петербург, 1994.– 70 с.

Грейг-Смит П. Количественная экология растений.– М.: Изд-во Мир, 1967.– 359с.

Прохоров В. Е. Редкие виды сосудистых растений флоры Республики Татарстан: эколого-ландшафтные особенности хорологии и динамики. Дисс. канд. биол. наук. Казанский гос. университет, 2006.– 186 с.

Прохоров В. Е. Информационная система «Флора». – Казань: изд-во Казанского ун-та, 2009.– 40 с.

Фаликов Л. Д. Модель размещения и сопряженности древесных пород в фитоценозе дубравы // Биота основных геосистем центральной лесостепи. — М. Изд-во АН СССР, 1976.— С. 109-122.

Фардеева М. Б., Чижикова Н. А., Корчебокова О. В. Динамика пространственно-возрастной структуры клубнеобразующих орхидей // Вестник Тверского ГУ–2007, №8 (36).– С. 172-176.

Материалы Второй конференции «Математическое моделирование в экологии»

ЭкоМатМод-2011, г. Пущино, Россия Фардеева М.Б., Чижикова Н.А., Бирючевская Н.В., Рогова Т.В., Савельев А.А. Математические подходы к анализу пространственно-возрастной структуры популяций дерновинных видов трав./ Экология. 2009.

№ 4.- С. 249-257 Ripley B. D. The second-order analysis of stationary point processes// Journal of Applied Probability.- 1976.- V.- 13.

P. 255-266.

Baddeley, A., Turner, R., van Lieshout, M. -C. и др. (2005). SPATSTAT: Spatial Point Pattern analysis, modelfitting and simulation. R package version 1. 8-3. URL http://www. spatstat. org.

Wiegand Th., Gunatilleke S., Gunatilleke N., Okuda T. Analyzing the spatial structure of a Sri Lankan tree species with multiple scales of clustering. // Ecology, 88 (12), 2007.– P. 3088–3102.

Wiegand Th., Gunatilleke S., Gunatilleke N. Species associations in a heterogeneous Sri Lankan dipterocarp forest // The American Naturalist, 170 (4), 2007.– P. 77-95.

ОТКЛИК ЛЕСНЫХ ЭКОСИСТЕМ НА ВНЕШНИЕ ВОЗДЕЙСТВИЯ: ПРОГНОЗ

СРЕДСТВАМИ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ

Шанин В.Н., Комаров А.С., Михайлов А.В., Быховец С.С.

Учреждение Российской академии наук Институт физико-химических и биологических проблем почвоведения РАН shaninvn@gmail.com, as_komarov@rambler.ru, alexey.mikh@gmail.com, s_bykhovets@rambler.ru Аннотация: индивидуально-ориентированная система моделей была адаптирована для моделирования на больших территориях. Количественно проанализирована долговременная динамика лесных экосистем Европейской России при различных внешних воздействиях.

Введение Основными целями данной работы были: 1) анализ влияния поступления соединений азота с атмосферными осадками на продуктивность и динамику органического вещества почвы с помощью модели круговорота элементов питания в лесных экосистемах и 2) применение данной модели для прогноза динамики лесных экосистем в разных природных условиях и типах леса в Европейской части России на основе стандартных материалов лесоустройства.

Материалы и методы Для решения этих задач использовалась индивидуально-ориентированная система моделей EFIMOD (Komarov et al., 2003), которая была дополнена специальным программным модулем, позволяющим проводить моделирование на больших территориях.

EFIMOD позволяет имитировать механизм обратной связи между почвой и растительностью посредством такого параметра, как количество азота в доступной для растений форме. Для моделирования были выбраны три экспериментальных объекта: Данковское лесничество в Московской области, Мантуровское лесничество в Костромской области и Железнодорожное лесничество в Республике Коми, с общей площадью порядка 17000 км2, и различные по природным условиям. Для проведения имитационных экспериментов были разработаны четыре сценария (без воздействий; с пожарами; с выборочными рубками; с рубками ухода и последующими сплошными рубками), а также два климатических (при стационарном климате и в условиях климатических изменений – прогноз с помощью модели HadCM3, сценарий эмиссии A1Fi (Gordon et al., 2000)). Учитывались два уровня поступления соединений азота с атмосферными осадками: текущий (4.8-13.2 кг/га в год, в зависимости от региона, и повышение текущего уровня на 6 кг/га в год (Bobbink et al., 2010)). Был проведен анализ основных источников неопределенностей и оценены ключевые параметры модели, такие как коэффициенты скоростей разложения для разных фракций органического вещества Материалы Второй конференции «Математическое моделирование в экологии»

ЭкоМатМод-2011, г. Пущино, Россия почвы и биологические свойства видов древесных растений. В рамках подготовительного этапа работы также была проведена верификация модели на основе материалов лесоустройства и данных таблиц хода роста. Процедура верификации показала удовлетворительное соответствие результатов моделирования натурным данным.

Результаты и обсуждение Результаты имитационных экспериментов показали, что, для всех изучаемых территорий, хозяйственная деятельность человека оказывает большее влияние на динамику пулов углерода и азота в лесных экосистемах, чем изменения климата. Наибольшее накопление углерода, как в биомассе деревьев, так и в органическом веществе почвы наблюдается в сценарии без воздействий. Пожары приводят к потерям органического вещества почвы и биомассы лесной растительности и к значительной эмиссии углекислого газа. В остальных сценариях наблюдается снижение запасов углерода во всех пулах, более значительное в сценарии со сплошными рубками. Эффект изменений климата наиболее заметен в сценарии без воздействий: продуктивность лесной растительности и соответствующий пул углерода возрастают, а запас углерода в почве несколько снижается.

Рубки же «маскируют» эти процессы. Также спрогнозировано возрастание эмиссии углекислого газа при изменениях климата в силу интенсификации процессов минерализации.

Показано, что режим лесопользования оказывает прямое влияние на углеродный бюджет лесных экосистем, в то время как эффект изменений климата опосредован.

А6 Б 100% 100

–  –  –

Рисунок 1. Соотношение пулов углерода в лесных экосистемах (А) и различных фракций органического вещества почвы на конец периода моделирования (Б) при различных уровнях выпадения соединений азота с атмосферными осадками (1, 2 – базовый, 3, 4 – повышение на 6 кг/га в год) и климатических сценариях (1, 3 – стационарный климат, 2, 4 – изменение климата).

За основу принят лесохозяйственный сценарий без воздействий Увеличение количества соединений азота, поступающих в лесные экосистемы с атмосферными осадками, приводит к росту продуктивности древостоев и, как следствие, к увеличению потока опада. Это, в свою очередь, вызывает увеличение эмиссии диоксида углерода. Более высокое содержание азота в опаде положительно влияет на скорость минерализации (рис. 1А). Изменение климата также приводит к ускорению процессов разложения органических остатков в почве и к увеличению эмиссии CO2. Возрастание количества растительных остатков приводит к росту запаса органического вещества, особенно в верхних горизонтах почвы (подстилка и гумусовый горизонт). Напротив, изменение климата приводит к относительному снижению запаса органического вещества в органогенных горизонтах. Суммарный эффект двух этих процессов заключается в увеличении запаса органического вещества почвы (рис. 1Б). Описанные эффекты наблюдаются на всех изучаемых территориях, но наиболее заметны в районах с более теплым климатом (Московская и Костромская области) и менее выражены на территории Республики Коми, где биологические процессы в почве протекают медленнее в силу более холодного климата. Увеличенное поступление соединений азота также приводит к

–  –  –

возрастанию доли широколиственных видов, более требовательных к условиям почвенного питания (за исключением территории Республики Коми).

Литература Bobbink R., Hicks K., Galloway J., Spranger T., Alkemade R., Ashmore M., Bustamante M., Cinderby S., Davidson E., Dentener F., Emmett B., Erisman J.-W., Fenn M., Gilliam F., Nordin A., Pardo L., de Vries W. Global assessment of nitrogen deposition effects on terrestrial plant diversity: a synthesis. Ecological Applications, 2010, 20(1).- P. 30-59.

Gordon C.; Cooper C., Senior C.A., Banks H., Gregory J.M., Johns T.C., Mitchell J.F.B., Wood R.A. The simulation of SST, sea ice extents and ocean heat transports in a version of the Hadley Centre coupled model without flux adjustments. Climate Dynamics, 2000, 16.- P. 147-168.

Komarov A., Chertov O., Zudin S., Nadporozhskaya M., Mikhailov A., Bykhovets S., Zudina E., Zoubkova E.

EFIMOD 2 – a model of growth and cycling of elements in boreal forest ecosystems. Ecological Modelling, 2003, 170(2-3).- P. 373-92.

ПРЕДСКАЗАТЕЛЬНОЕ МОДЕЛИРОВАНИЕ СЕЛЬСКОХОЗЯЙСТВЕННЫХ

ЭКОСИСТЕМ

Шарый П.А.

Институт физико-химических и биологических проблем почвоведения РАН, г.Пущино, Россия p_shary@mail.ru Аннотация: статистическая связь максимальной прибавки к урожаю озимой пшеницы, полученной в результате внесения удобрений и составляющей 60% от контроля, с факторами среды (рельеф, климат, почвы и сорт пшеницы), объясняет более 74% пространственной изменчивости этой прибавки в адекватных регрессионных моделях и слабо зависит от времени.

При этом ведущей является роль рельефа.

Введение Если некоторая характеристика почв или растительности тесно связана с факторами окружающей среды, то ее распределение в пространстве можно рассчитывать прямо по этим факторам. Это положение лежит в основе методов предсказательного моделирования, получившего в последние десятилетия большое распространение в экологии и почвоведении, о чем свидетельствует наличие 12-и обзоров по экологии и 2-х - по почвоведению. В области же сельского хозяйства подобных обзоров нет, а соответствующие работы нечасты.

Изучалась связь характеристик урожая озимой пшеницы Triticum aestivum L. с факторами окружающей среды, такими как рельеф, средние многолетние осадки и температура, а также типы почв, на территории протяженностью несколько сотен км (запад бассейна р.Оки). Данные взяты из базы данных геосети «Агрогеос», где имеется информация об урожаях озимой пшеницы до (контроль) и после (опыт) внесения удобрений (различные нормы N P K), сведения о почвах, географическом положении опытов и др. 18 количественных характеристик рельефа рассчитывались по методике (Shary et al., 2002) с использованием матриц высот земной поверхности SRTM-30 с разрешением 600 м. Данные о средних осадках и температуре за каждый месяц доступны с тем же разрешением (Hijmans et al., 2005). Изучалась максимальная прибавка к урожаю, определенная как разность между максимальной по опыту величиной О урожая после внесения удобрений и величиной К урожая в контроле для той же точки наблюдения, то есть О–К. Когда опыты относились к нескольким годам, значения О и К усреднялись по годам. Максимальная прибавка характеризовала оптимальное по опытам внесение удобрений. Использовалась 41 точка наблюдения при среднем расстоянии между ними 45 км. Данные о пшенице относились к трем типам почв: черноземы (6), серые лесные (27) и дерново-подзолистые (8). В скобках – число точек наблюдения для каждого типа почв.

Материалы Второй конференции «Математическое моделирование в экологии»

ЭкоМатМод-2011, г. Пущино, Россия Материалы и методы Для статистической обработки данных использовались методы линейной множественной регрессии. Подробное описание методологии исследования дано в работе (Шарый и др., 2011). Неколичественные факторы среды (типы почв) описывались с помощью индикаторной переменной И1, равной 1 для дерново-подзолистого типа почв и 0 – для остальных. Проверка модели (т.е. оценка предсказательной силы модели для новых предсказаний) осуществлялась по методике кросс-валидации Аллена.

Уравнение регрессии, описывающее связь максимальной прибавки в урожае озимой пшеницы с факторами окружающей среды, имеет вид Прибавка = 4,292F(35°,235°) + 3,411Pфев + 0,2017И1F(35°,235°) – 0,2992Pгод – 151,6, R2 = 0,736; P 10–6; (1) здесь F(35,235) есть освещенность склонов с юго-запада (при склонении Солнца 35° от горизонта и азимуте 235°), Рфев есть средние многолетние осадки февраля, И1 описывает типы почв, а Ргод есть среднегодовые осадки. Факторы среды расположены в порядке убывания их значимости в модели (слева направо).

Результаты Модель (1) показывает, что главным фактором среды является освещенность склонов с юго-запада. За ней следуют осадки февраля, то есть методы снегозадержания недостаточно эффективны. Для дерново-подзолистых почв прибавка в урожае выше, чем для остальных.

Эта модель демонстрирует тесную связь максимальной прибавки в урожае пшеницы с факторами среды: R2 = 0,736 (P 10–6). Подставляя значения факторов среды в модель (1), получаем показанную на рисунке предсказательную карту.

Рисунок. Предсказательная карта максимальной прибавки к урожаю озимой пшеницы Материалы Второй конференции «Математическое моделирование в экологии»

ЭкоМатМод-2011, г. Пущино, Россия Поскольку адекватность модели обоснована в (Шарый и др., 2011), то 74% изменчивости максимальной прибавки к урожаю озимой пшеницы объяснялось пространственной изменчивостью соответствующих факторов среды. Такая тесная связь позволяет не только строить детальные (разрешения 600 м) предсказательные карты, но и давать рекомендации по улучшению различных характеристик урожая путем применения соответствующих агротехнологий, например, усилением мер по снегозадержанию в феврале.

При изучении только серых лесных почв (27 точек наблюдения) связь с факторами среды оказалась еще теснее: R2 = 0,784 (P 10–5). Здесь статистически значим также сорт пшеницы (неколичественный фактор, как и тип почвы): прибавка в урожае возрастала на гребневых формах рельефа для сорта «Мироновская-808» (Шарый и др., 2011).

Литература Шарый П.А., Рухович О.В., Шарая Л.С. Методология анализа пространственной изменчивости характеристик урожайности пшеницы в зависимости от условий агроландшафта // Агрохимия, 2011.- №2.- в печати.

УСТОЙЧИВЫЕ СОЧЕТАНИЯ ПАР ХИМИЧЕСКИХ ЭЛЕМЕНТОВ В ПОЧВЕ И

СОГЛАСОВАННОСТЬ ИХ УЗОРОВ В ЛАНДШАФТЕ

Шарый П.А. 1, Пинский Д.Л.1 Институт физико-химических и биологических проблем почвоведения РАН, г.Пущино, Россия p_shary@mail.ru Аннотация: пары химических элементов могут образовывать устойчивые сочетания в почве. Их стабильность описывается с помощью предлагаемого метода наименьшей вариабельности, позволяющего построить ряд стабильностей. Показано, что Cu и Zn образуют наиболее устойчивое сочетание, причем локальная связь между ними на расстояниях ~10 см приводит к согласованному ландшафтному узору на протяженностях ~100 м.

Введение Локальное взаимодействие химических элементов в почве на расстояниях ~10 см (например, электрохимическое) способно создавать согласованные ландшафтные узоры протяженностью десятки и сотни метров. Этот вопрос недостаточно изучен в литературе; его исследованию для Cu и Zn посвящена настоящая работа. Поскольку это явление может повторяться для различных пар элементов (или других свойств почв), предложена методика выявления и ранжирования устойчивых сочетаний пар (троек и т.д.) элементов.

Материалы и методы Опытный участок «Алфертищево» (юг Московской области) имеет размер 48 м 105 м, почва серая лесная сильно смытая под лугом; через него проходит бровка речной долины.

Рельеф снят по сетке с шагом 1 м. Для 47 точек наблюдения в двух слоях почвы (верхний 0см и нижний 10-20 см) измерялись концентрации 10-и элементов Сорг, Al, Fe, K, Ca, Mg, Mn, Cu, Zn и Pb, а также плотность почвы D. Для объединенного слоя 0-20 см концентрации и D рассчитывались как среднее от двух слоев. Концентрации, кроме Сорг, определялись рентгенофлуоресцентной спектроскопией, с известными ошибками измерения. 18 морфометрических величин (МВ) рассчитывались по методике (Shary et al., 2002).

Статистическое сравнение концентрации данного элемента с МВ проводилось методами линейной множественной регрессии; модели проверялись по методике кросс-валидации Аллена (Montgomery, Peck, 1982).

При рассмотрении парных корреляции наиболее тесной была отрицательная связь 2 –6 между Cu и Zn: R = 0,553 (P10 ) в объединенном слое. Это значит, что Cu и Zn связаны Материалы Второй конференции «Математическое моделирование в экологии»

ЭкоМатМод-2011, г. Пущино, Россия между собой внутри слоя на расстоянии порядка радиуса бура (1,5 см). Значимая корреляция Cu и Zn между верхним и нижним слоями отсутствовала, как и одного элемента (Cu или Zn) между ними. Однако рассмотрение связи между вертикальными градиентами концентраций Cu и Zn также выявило тесную отрицательную связь между их вертикальными 2 –6 градиентами: R = 0,580 (P10 ). Это значит, что для Cu и Zn существует локальный механизм связи на расстояниях ~10 см. Этот механизм известен из химии как свойство одного из этих элементов вытеснять другой из раствора из-за возникновения гальванической разности потенциалов в водных растворах.

–  –  –

Рисунок.1. Предсказательные карты пространственного распределения Cu (вверху) и Zn (внизу) в слое почвы 0-20 см. Видно, что одна из этих карт близка к негативу от другой Таким образом, локальное (~10 см) взаимодействие Cu и Zn приводит к согласованным ландшафтным узорам (на протяженностях ~100 м) этих элементов.

Для описания устойчивости пар элементов вводится коэффициент вариабельности Kvar, определяемый как умноженное на 100% отношение стандартного отклонения SD к Материалы Второй конференции «Математическое моделирование в экологии»

ЭкоМатМод-2011, г. Пущино, Россия среднему значению. Коль скоро карты Cu и Zn выглядят как позитив и негатив, то сумма Cu+aZn при некотором a 0 варьирует меньше, чем концентрация какого-либо одного из этих элементов. Для отыскания a и нахождения количественной оценки стабильности сочетания элементов разработан метод наименьшей вариабельности, который состоит в минимизации Kvar как функции a для Cu+aZn. Для объединенного слоя найденному сочетанию Cu+1,76Zn отвечает Kvar = 4,38% (12% для Cu и Zn порознь). Доказано, что для антагонистов (коэффициент корреляции r 0) на кривой Kvar(a) существует один экстремум и он есть строгий минимум; a дается формулой a = (ZnСР+A|r|CuСР)/[A(ACuСР+|r|ZnСР)], где A = SDZn/SDCu. Метод обобщен на элементы-спутники (r 0) и на многомерный случай.

Для ранжирования пар элементов по устойчивости их сочетания можно использовать коэффициент эффективности сочетания Keff = min{KvarCu,KvarZn}/KvarCu+aZn (Keff 1).

Это позволило построить ряд устойчивостей пар элементов; наиболее стабильной оказалась пара Cu и Zn (Keff = 2,7).

ИНФОРМАЦИОННАЯ СИСТЕМА ОБРАБОТКИ ПОЛЕВЫХ ДАННЫХ

ИССЛЕДОВАНИЙ НАСЕЛЕНИЯ ПОЧВЕННОЙ МЕЗОФАУНЫ

Шашков М.П.

Центр защиты леса Ленинградской области, г. Санкт-Петербург max.carabus@gmail.com Аннотация: исследования динамики биоразнообразия и экосистемных процессов требуют анализа больших объемов первичных полевых данных и литературной информации. Несмотря на объемы накопленных сведений по населению почвенной мезофауны, в отечественных исследованиях специализированные инструменты для обработки подобных данных отсутствуют.

Предлагается схема информационной системы, предназначенной для обобщения данных по населению почвенной мезофауны, состоящая из базы данных и пользовательского приложения.

К настоящему времени в литературе, несколькими поколениями исследователей почвенной мезофауны, накоплены громадные объемы полевых данных. Современные исследования биоразнообразия и динамики экосистемных процессов требуют обобщения и анализа этих данных. В то же время исследователям, в процессе выполнения собственных многолетних полевых сборов, приходится манипулировать большими объемами информации.С начала широкого внедрения компьютерной техники во многие области человеческой деятельности, технология баз данных (Codd, 1970) получила большую популярность. Не стали исключением и полевые исследования экологических сообществ.

Например, в геоботанике известно много подобных разработок, наиболее удачные из которых обобщенны в виде интегрированной информационной системы IBIS (Зверев, 2007).

В то же время, для нужд почвенно-зоологических исследований подобные разработки единичны. В иностранной литературе – это описание базы MACROFAUNA 2.0 (Lipied et all, 2004), а в отечественной литературе они неизвестны вовсе. Большинство исследователей организует данные в виде электронных таблиц Excel, которые не обеспечивают контроль корректности и целостности данных.

Цель данной работы – разработать концептуальную модель информационной системы для хранения и обработки полевых данных исследований сообществ почвенной мезофауны.

Центральная задача – создать универсальную структуру реляционной БД для обобщения данных полевых исследований, как первичных материалов исследователей, так и опубликованных в литературе. Структура БД должна быть основана на стандартных методах сборов.

Информационная система с рабочим названием «Carabus» состоит из:

• Базы данных, разработанной в открытой СУБД PostgreSQL;

Материалы Второй конференции «Математическое моделирование в экологии»

ЭкоМатМод-2011, г. Пущино, Россия

• Пользовательского приложения для управления данными базы, разрабатываемого на ООЯП Delphi.

База данных состоит из трех блоков:

• Систематический список;

• Библиография и прочие ссылки;

• Полевые данные.

Систематический список имеет составной иерархический ключ. При этом блок систематики объединен внутри себя и с блоком полевых данных системой триггеров на обновление, которые обеспечивают целостность идентификаторов по всей базе при любых изменениях в систематическом списке, что позволяет добавлять виды с середину списков и производить их перенумерацию согласно изменениям в систематике.

Библиография представлена в виде внешней базы или каталога XML или текстовых файлов.

Блок полевых данных состоит из двух разделов:

• Характеристика ПП;

• Данные сборов.

Характеристика ПП может включать многие параметры и иметь связи с внешними базами (геоботанические описания, описания почвенных разрезов и т.д.).

Подавляющее большинство работ по фауне и животному населению почвенной мезофауны основаны на трех типах данных.

Согласно этим типам данные сборов в базе организованы в три подраздела (таблицы):

• Фаунистический список;

• Сборы почвенными ловушками;

• Сборы почвенными раскопками.

Основная единица в базе данных – это находка того или иного вида в конкретном месте (пробной площади - ПП). Для сборов методом почвенных ловушек для находки также указывается число собранных экземпляров, а для ПП число ловушек и дней, в течение которых они действовали – для расчета динамической плотности (уловистости). Для сборов методом почвенных раскопок указывается число экземпляров, их онтогенетичекое состояние, почвенный горизонт и его глубина, а для ПП указывается число проб и площадь одной пробы – для расчета плотности.

Выбранная СУБД PostgreSQL обеспечивает непосредственную совместимость практически со всеми современными ГИС. Пространственные данные, в виде указаний на тот или иной географический, административный район или точные географические координаты, могут быть использованы для визуализации данных, содержащихся в базе.

К настоящему времени разработана инфологическая модель БД, в общих чертах описанная выше. Разработка пользовательского приложения, удобного для исследователей и обеспечивающего выполнение большинства основных задач по обработке первичных данных – задача дальнейшей разработки информационной системы.

Литература Зверев А.А. Программно–информационное обеспечение исследований растительного покрова: Автореф. дис.

канд. биол. наук. Томск, 2007.- 22 с.

Codd, E.F. (1970). "A Relational Model of Data for Large Shared Data Banks". Communications of the ACM 13 (6):

377–387.

Lapied L., Fragoso C., Brown G., Lavelle P. (2004) MACROFAUNA 2.0 – a database management system for assessing the soil fauna diversity of natural and disturbed ecosystems // XIVth International Collocquium on Soil Zoology and Ecology.- P.44.

Материалы Второй конференции «Математическое моделирование в экологии»

ЭкоМатМод-2011, г. Пущино, Россия

ВЕРОЯТНОСТНО-СТАТИСТИЧЕСКОЕ МОДЕЛИРОВАНИЕ В ТОЧНОМ

ЗЕМЛЕДЕЛИИ

Якушев В.П., Буре В.М.

г. Санкт-Петербург, Агрофизический НИИ Россельхозакадемии office@agrophys.ru Технология точного земледелия рассматривает каждое сельскохозяйственное поле как неоднородное. Оно разделяется на некоторое количество новых единиц управления, которые являются однородными (квазиоднородными) участками. Суть точного земледелия заключается в том, чтобы выделить на поле эти участки и обеспечить для всех растений заданного массива оптимальные условия произрастания с учётом выявленной неоднородности.

Система точного земледелия по своей направленности относится к ресурсосберегающим высокоинтенсивным технологиям, рассчитанным на достижении урожайности культуры, близкой к ее биологическому потенциалу, с высоким качеством продукции при минимальных экологических рисках, при этом используются современные достижения научно-технического прогресса, прецизионная техника, современные препараты и информационные технологии. Важную роль в этом процессе играет совершенствование информационного обеспечения методов поддержки решений путем создания баз данных и знаний, экспертных систем и различных математических моделей, в том числе вероятностностатистического характера, позволяющих находить оптимальные или близкие к ним решения в условиях стохастической неопределенности и изменчивости. В рамках точного земледелия появляется принципиальная возможность разработки системы математических моделей для каждого поля в отдельности, что в принципе позволяет в максимальной степени учесть пространственную неоднородность. В проблематике вероятностно-статистического моделирования можно выделить следующие основные группы решаемых на практике задач.

Оптимизация сроков проведения агротехнологических операций (Якушев В. П., Буре, 2001, 2002) является важнейшим этапом в реализации точного земледелия. Уже на стадии планировании агротехнологий возникает задача оценки момента времени проведения той или иной операции, при этом, как правило, можно оценить ожидаемые потери за единицу времени, связанные с завышением или, наоборот, с занижением оценки времени проведения необходимого мероприятия. В задачах такого типа часто заранее можно указать временные границы проведения мероприятий. Проблема сводится к оценке момента времени проведения необходимых работ внутри некоторого временного интервала.

Ключевым понятием концепции точного земледелия является адаптация элементов агротехнологии к внутриполевому варьированию условий, т.е. приспособление системы хозяйствования к пространственной неоднородности конкретного поля. Очевидно, что с точки зрения такого подхода первостепенное значение приобретает более глубокое изучение самой пространственной неоднородности сельскохозяйственных угодий, разработка методов ее количественного описания и выделения границ изменчивости на заданной территории.

Предложены два подхода к оценке пространственной неоднородности по продуктивности сельскохозяйственных культур. Первый из них позволяет оценивать биоэквивалентность двух заданных участков на поле (Якушев В. П., Буре, 2006). Соответствующий алгоритм предполагает наличие данных по урожайности за ряд лет на сравниваемых участках. Второй подход, напротив, по распределению и величине урожайности на конкретном поле за определенный год позволяет выделить однородные технологические зоны на нем (Якушев и др., 2007, Якушев и др., 2008). Решение второй задачи имеет важное практическое значение, так как позволяет осуществить прецизионное внесение удобрений на основе электронных карт урожайности, которые автоматически формируются при уборке сельскохозяйственных культур с помощью комбайнов, оборудованных мониторами и соответствующими Материалы Второй конференции «Математическое моделирование в экологии»

ЭкоМатМод-2011, г. Пущино, Россия датчиками, с привязкой урожайности к глобальной системе координат (Якушев и др., 2009).

Еще одним важным аспектом вероятностно-статистического моделирования является разработка вероятностных моделей оценки риска неурожаев в условиях климатических изменений и оценки влияния доли орошаемых земель на риски неурожаев в условиях засухи (Якушев, Жуковский, 2010; Якушев и др., 2011).

Литература Якушев В.П., Буре В.М. Методологические подходы к оценке оптимального момента времени проведения агротехнологических мероприятий // Доклады РАСХН.- 2001.- № 4.

Якушев В. П., Буре В. М. Статистическая оценка распределения оптимального момента времени проведения агротехнического мероприятия // Доклады РАСХН.- 2002. -№ 3.

Якушев В. П., Буре В. М. Оценка биоэквивалентности двух участков на сельскохозяйственном поле // Доклады РАСХН.- 2006.- № 5.

Якушев В. П., Буре В. М., Якушев В. В. Выделение однородных зон на поле по урожайности отдельных участков // Доклады РАСХН.- 2007.- № 3.

Якушев В. П., Буре В. М., Якушев В. В. Методология и инструментарий анализа натурных данных в точном земледелии // Доклады РАСХН.- 2008.- № 6.

Якушев В.П., Якушев В.В., Якушева Л.Н., Буре В.М. Электронная карта урожайности как информационная основа прецизионного внесения удобрений. // Земледелие, 2009, №3.

Якушев В.П., Жуковский Е.Е. Климатические изменения и риск в земледелии. // Вестник сельскохозяйственной науки, №2, 2010.

Якушев В. П., Буре В. М., Якушев В. В. Теоретико-вероятностная модель оценки влияния орошаемых земель на риски неурожаев в условиях засухи // Вестник сельскохозяйственной науки, №1, 2011.



Pages:     | 1 |   ...   | 5 | 6 ||



Похожие работы:

«Пояснительная записка Экология в настоящее время становится неотъемлемой частью нашей жизни. Развитие научнотехнического прогресса неизбежно приводит к тенденции гармоничного взаимодействия человека и приро...»

«ТУРИСТИЧЕСКИЕ РЕСУРСЫ И ЭКОТУРИЗМ АТБАШЫ–КАРАКОЮНСКОЙ ДОЛИНЫ Кадыркулов А.К. Email: Kadyrkulov1792@scientifictext.ru Кадыркулов Актанбек Курманбекович – соискатель, кафедра экологии и туризма,...»

«Федеральная целевая программа Государственная поддержка интеграции высшего образования и фундаментальной науки на 1997-2000 годы· экология Под редакцией докт. техн. наук, п...»

«Технічний сервіс агропромислового, лісового та транспортного комплексів ISSN 2311-441X Technical service of agriculture, forestry and transport systems №6’ 2016 Миклуш В.П.1 Герасимов В. С.2, Игнатов В. И.2, Буряков С. А.2 ВЛИЯНИЕ СИСТЕМ...»

«РАСПРОСТРАНЕНИЕ ЖИВОРОДЯЩЕЙ ЯЩЕРИЦЫ НА ЮГЕ АРЕАЛА В ПОВОЛЖЬЕ Г.В. Епланова Институт экологии Волжского бассейна РАН, г. Тольятти eplanova_ievb@mail.ru Живородящая ящерица Zootoca vivipara (Lichtenstein, 1823) – вид с обширным тр...»

«Journal of Siberian Federal University. Engineering & Technologies 4 (2015 8) 475-481 ~~~ УДК 66.669; 504.03; 504.06 Improving the Management of Ecological Safety on the Basis of Studies of Atmospheric Deposition in the Effect Area of Aluminum Production Natalya I. Ianchenko* and Anatoly N. Baranow Nati...»

«4’ 2013 4’ 2013 И. П. Айдаров, доктор технических наук А. И. Голованов, доктор технических наук Д. П. Гостищев, доктор технических наук Г. Х. Исмайылов, доктор технических наук А. Е. Касьянов, доктор технических наук А. М. Марголин, доктор экономических наук И. П. Свинцов, доктор сельско...»

«УДК 349.2:331.46 Сапфирова Аполлинария Александровна Sapfirova Apollinaria Aleksandrovna доктор юридических наук, профессор, LLD, Professor, заведующий кафедрой земельного, Head of Land, Labour трудового и экологического права and Environme...»

«№4, 2005 г. © Бородин П.М. Первая любовь Чарльза Дарвина П.М.Бородин, доктор биологических наук Институт цитологии и генетики СО РАН Новосибирск Здесь речь пойдет не о геологии и даже не о собирании жуков и ра...»

«МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ Федеральное государственное бюджетное образовательное учреждение высшего образования "Алтайский государственный гуманитарно-педагогический университет имени В.М. Шукшина" (АГГПУ им. В.М. Шукшина) Естественно-географический...»

«АЙМАК Напыляемая теплоизоляция ХХI века www.aimag.ru Утеплил и забыл!!! Компания "Аймак" представляет Вашему вниманию новую линию экологически чистых продуктов компании Demilec (USA) LLC., напыляемой теплоизоляции для энергоэффективных домов ХХI века и людей, ц...»

«Лекции "Микология часть I" Преподаватель: проф., д.б.н. Лидия Васильева Гарибова. Объем курса – 44 часа (36 часов лекции и 8 часов семинары). Форма отчетности – экзамен. ПРОГРАММА ПО КУРСУ "МИКОЛОГИЯ ЧАС...»

«Ученые записки Таврического национального университета им. В. И. Вернадского Серия "Биология, химия". Том 26 (65). 2013. № 4. С. 110-120. УДК 616.12:616.76 ИЗМЕНЕНИЕ МОЗГОВОЙ ГЕМОДИНАМИКИ ПР...»

«Союз машиностроителей России Пресс-служба ОБЗОР СООБЩЕНИЙ СРЕДСТВ МАССОВОЙ ИНФОРМАЦИИ 3 апреля 2017 года Содержание: 1. О Союзе машиностроителей России. 6-34 ИА Амител (amic.ru) \\ Депутат призвал перестать тянуть деньги с государства на борьбу со свалками http://www.amic.ru/news/384179/ Р...»

«1 Зелная палочка. №2 Февраль 2013 МБОУ—гимназия №3 г. Тулы МБОУ— 2013 год объявлен Президентом Российской Федерации Годом охраны окружающей среды. Однако вопросами охраны окружающей среды нужно заниматься не только в специальный год, а ежедневно...»

«Ворошилова Татьяна Михайловна КЛИНИКО-ЛАБОРАТОРНАЯ ОЦЕНКА ВЛИЯНИЯ БИСФОСФОНАТОВ И АНТИСЕПТИКА НА РЕЗИСТЕНТНОСТЬ ГРАМОТРИЦАТЕЛЬНЫХ БАКТЕРИЙ К КАРБАПЕНЕМАМ 14.03.10 – клиническая лабораторная диагностика 03.02.03 – микробиология Автореферат диссертации на соискание ученой степени кандидата медицинских наук Санкт-Петербур...»

«УДК 338.48-6:502/504 С.М. НИКОНОРОВ СОЦИАЛЬНО-ЭКОНОМИЧЕСКАЯ СУЩНОСТЬ ЭКОЛОГИЧЕСКОГО ТУРИЗМА Ключевые слова: туристская конкурентоспособность, рейтинг туристской конкурентоспособности, совокупный рейтинг конкурентоспособности страны, критерии туристской конкурентоспособности, потенциал экотуризма, компоненты экотуризма, тури...»

«ISSN 2308-6874 Научно-издательский центр Априори ТЕОРИЯ И ПРАКТИКА АКТУАЛЬНЫХ ИССЛЕДОВАНИЙ Материалы IX Международной научно-практической конференции (24 июня 2015 г.) Сборник научных трудов Краснодар УДК 082 ББК 72я431 Т 11 Редакционная коллегия: Бисалиев Р.В., доктор медицинских наук, Астрах...»

«РАБОЧАЯ ПРОГРАММА ДИСЦИПЛИНЫ Медицинская генетика Уровень подготовки Бакалавриат Код и направление подготовки 44.03.05 Педагогическое образование (с двумя профилями подготовки) Направленность (профиль) Биология и хи...»

«ПОВОЛЖСКИЙ ЭКОЛОГИЧЕСКИЙ ЖУРНАЛ. 2002. № 3. С. 236 – 245 УДК 598.1-15 МАТЕРИАЛЫ Ю.Ф. САПОЖЕНКОВА О ЖИВОРОДЯЩЕЙ ЯЩЕРИЦЕ LACERTA VIVIPARA JACQUIN, 1787 В КОСТРОМСКОЙ ОБЛАСТИ Н.М. Окулова 1, Т.М. Колесова 2 Институт проблем экологии и эволюции им. А.Н. Северцова РАН Россия, 119...»

«Суслопаров Михаил Александрович КОНСТРУИРОВАНИЕ РЕКОМБИНАНТНЫХ АНТИГЕНОВ И ВЫЯВЛЕНИЕ ГЕНЕТИЧЕСКИХ МАРКЕРОВ ДЛЯ ДИАГНОСТИКИ ГЕРПЕСВИРУСНЫХ ИНФЕКЦИЙ ЧЕЛОВЕКА 03.00.06 –вирусология АВТОРЕФЕРАТ на соискание ученой степен...»

«МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "ТЮМЕНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ" Институт биологии Кафедра зоологии и эволюционной экологи...»

«Станякина Маргарита Владимировна ВЛИЯНИЕ ПРЕНАТАЛЬНЫХ, НАТАЛЬНЫХ И ПОСТНАТАЛЬНЫХ ФАКТОРОВ НА ПСИХОФИЗИОЛОГИЧЕСКОЕ РАЗВИТИЕ ДЕТЕЙ СТАРШЕГО ДОШКОЛЬНОГО ВОЗРАСТА 19.00.02 – Психофизиология АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата биологических на...»

«Министерство образования и науки Российской Федерации Федеральное государственное автономное образовательное учреждение высшего образования "НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ ТОМСКИЙ ПОЛИТЕХНИЧЕСКИЙ УНИВ...»

«Известия высших учебных заведений. Поволжский регион УДК 618.3-06:616.98:579.861.2 Н. Н. Митрофанова, В. Л. Мельников, А. М. Слетов РЕЗУЛЬТАТЫ МОНИТОРИНГА ВИДОВОГО СОСТАВА И ОСНОВНЫХ БИОЛОГИЧЕСКИХ ХАРАКТЕРИСТИК МИКРОЦЕНОЗОВ МНОГОПРОФИЛЬНОГО СТАЦИОНАРА Аннотация. В статье предс...»

«OPENGOST.RU www.OpenGost.ru Портал нормативных документов info@opengost.ru 3.1.2. ПРОФИЛАКТИКА ИНФЕКЦИОННЫХ ЗАБОЛЕВАНИЙ. ИНФЕКЦИИ ДЫХАТЕЛЬНЫХ ПУТЕЙ Профилактика дифтерии Санитарно-эпидемиологические правила СП 3.1.2.1108...»

«Аннотация рабочей программы дисциплины Дисциплина Биология человека входит в базовую часть Б1.Б.6 образовательной программы бакалавриата по направлению 06.03.01 Биология Дисциплина реализуется на биологическом факультете кафедрой гуманитарных и...»








 
2017 www.kn.lib-i.ru - «Бесплатная электронная библиотека - различные ресурсы»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.