Везде

ОБНЛесоведение Forest Science

  • ISSN (Print) 0024-1148
  • ISSN (Online) 3034-5359

ВКЛАД ПРИРОДНЫХ И АНТРОПОГЕННЫХ ФАКТОРОВ В ФОРМИРОВАНИЕ ПРОСТРАНСТВЕННОЙ СТРУКТУРЫ И СОСТАВА ЛЕСНОГО ПОКРОВА МОСКОВСКОГО РЕГИОНА

Вы можете
Код статьи
S30345359S0024114825020013-1
DOI
10.7868/S3034535925020013
Тип публикации
Статья
Статус публикации
Опубликовано
Авторы
Черненькова Т. В.
  • Аффилиация: Институт географии РАН
Беляева Н. Г.
  • Аффилиация: Институт географии РАН
Котлов И. П.
  • Аффилиация: Институт проблем экологии и эволюции им. А. Н. Северцова
Новиков А. С.
  • Аффилиация: Институт географии РАН
Том/ Выпуск
Том / Номер выпуска 2
Страницы
153-170
Аннотация
Выявление ведущих факторов, определяющих дифференциацию лесного покрова, является недостаточно изученной темой в области экологии и биогеографии. Цель данного исследования заключается в оценке вклада природных и антропогенных факторов в формирование современного разнообразия лесного покрова на примере Московского региона. В результате классификации 1032 полевых описаний выделено 13 типов сообществ по признакам доминирования лесообразующих видов деревьев и фитоценотических спектров растений подчиненных ярусов. С помощью статистических методов оценена неоднородность флористического состава выделенных типов сообществ и точность их классификации, выполнена ординация сообществ в экологическом пространстве. Проанализирована связь типов сообществ с биотопическими локальными факторами с использованием шкал Элленберга. Большая часть пар выделенных типов сообществ значимо различалась по тесту Дункана (р < 0.05) по всем характеристикам биотопов. Выявлен список индикаторных видов для выделенных типов сообществ (IndVal). Показано, что наиболее значимыми локальными факторами детерминации выделенных типов сообществ являлись кислотность, богатство и влажность почв. На верхнем пространственном уровне вариабельность сообществ изучена в отношении внешних факторов среды на основе глобальных пространственных баз данных, а также оценена взаимосвязь с отдельными показателями фрагментации лесного покрова. Среди наиболее значимых факторов - климатические (среднегодовые температуры и осадки). Рельеф (абсолютная высота над ур. м. и крутизна склонов) также значимо влиял на состав сообществ. Факторы антропогенного воздействия (расстояние от населенных пунктов, фрагментация лесного покрова) имели меньший вклад в дифференциацию типов сообществ по сравнению с природными.
Ключевые слова
фитоценотическое разнообразие лесной покров природные и антропогенные факторы шкалы Элленберга глобальные пространственные базы данных Московский регион
Дата публикации
15.11.2024
Год выхода
2024
Всего подписок
0
Всего просмотров
12

Библиография

  1. 1. Анненская Г.Н., Жучкова В.К., Калинина В.Р., Мамай И.И., Низовцев В.А., Хрусталева М.А., Цесельчук Ю.Н. Ландшафты Московской области и их современное состояние. Смоленск: СГУ, 1997. 296 с.
  2. 2. Грибова С.А., Исаченко Т.И., Лавренко Е.М. Растительность Европейской части СССР. Л.: Наука, 1980. 429 с.
  3. 3. Игнатов М.С., Игнатова Е.А. Флора мхов средней части Европейской России. M.: KMK, 2003. Т. 1-2. 960 с.
  4. 4. Котлов И.П. Пространственная структура лесного покрова Московской области (оценка на основе количественных метрик фрагментации): автореф. дис… кандидата биологических наук: 1.5.15. М.: ИПЭЭ РАН, 2023. 165 с.
  5. 5. Лесной план Московской области на 2019-2028 годы. Книга 1 и 2. 2023. https://klh.mosreg.ru/dokumenty/napravleniya-deyatelnosti/lesnoe-planirovanie/proekty-dokumentov-lesnogo-planirovaniya/26-09-2023-12-19-27-lesnoy-plan-moskovskoy-oblasti-na 2019-2028-gody-k?utm_referrer=https%3a%2f%2fwww.google.com%2f
  6. 6. Литвиненко Л.Н., Калинина А.А. Распределение осадков на территории Московской области при наличии и отсутствии крупного антропогенного образования // Экология урбанизированных территорий. 2018. № 2. С. 66-71.
  7. 7. Осипов В.В., Гаврилова Н.К. Аграрное освоение и динамика лесистости Нечерноземной зоны РСФСР. М.: Наука, 1983.
  8. 8. Пшегусов Р.Х., Темботова Ф.А., Саблирова Ю.М. Основные закономерности пространственной локализации различных типов хвойных и хвойно-широколиственных лесов северного макросклона Западного Кавказа по материалам дистанционного зондирования Земли // Вопросы лесной науки. 2019. Т. 2. № 3. С. 1-11.
  9. 9. Тишков А.А. Актуальная биогеография как методологическая основа сохранения биоразнообразия // Вопросы географии. 2012. № 134. С. 15-57.
  10. 10. Черепанов С.К. Сосудистые растения России и сопредельных государств. СПб., 1995. 990 с.
  11. 11. Черненькова Т.В., Суслова Е.Г., Морозова О.В., Беляева Н.Г., Котлов И.П. Биоразнообразие лесов Московского региона // Экосистемы: экология и динамика. 2020. Т. 4. № 3. С. 61-144.
  12. 12. Черненькова Т.В., Котлов И.П., Беляева Н.Г., Суслова Е.Г., Морозова О.В. Оценка и картографирование ценотического разнообразия лесов Московского региона // Лесоведение. 2022. № 6. С. 617-630.
  13. 13. Ahmed O.S., Wulder M.A., White J.C., Hermosilla T., Coops N.C., Franklin S.E. Classification of annual non-stand replacing boreal forest change in Canada using Landsat time series: a case study in northern Ontario // Remote Sensing Letters. 2017. V. 8. № 1. P. 29-37.
  14. 14. Akinyemi F.O., Tlhalerwa L.T., Eze P.N. Land degradation assessment in an African dryland context based on the Composite Land Degradation Index and mapping method // Geocarto International. 2021. V. 36. № 16. P. 1838-1854.
  15. 15. Balmford A., Bond W. Trends in the state of nature and their implications for human well-being // Ecology Letters. 2005. V. 8. № 11. P. 1218-1234.
  16. 16. Batjes N.H., Ribeiro E., van Oostrum A. Standardised soil profile data to support global mapping and modelling (WoSIS snapshot 2019) // Earth System Science Data. 2020. V. 12. № 1. P. 299-320.
  17. 17. Chernenkova T.V., Morozova O.V. Classification and Mapping of Coenotic Diversity of Forests // Contemporary Problems of Ecology. 2017. V. 10. № 7. P. 738-747.
  18. 18. Cushman S.A., McGarigal K., McKelvey K., Vojta C.D., Reagan C.M. Analysis for Habitat Monitoring // USFS Wildlife Habitat Technical Guide, 2013.
  19. 19. Dufrêne M., Legendre P. Species Assemblages and Indicator Species: the Need for a Flexible Asymmetrical Approach // Ecological Monographs. 1997. V. 67. № 3. P. 345-366.
  20. 20. Ellenberg H. Vegetation Ecology of Central Europe. Cambridge: Cambridge University Press, 1988.
  21. 21. Ellenberg H., Weber H.E., Düll R., Wirth V., Werner W., Paulissen D. Zeigerwerte von Pflanzen in Mitteleuropa // Scripta Geobotanica. 1991. V. 18. P. 1-248.
  22. 22. Fick S.E., Hijmans R.J. WorldClim 2: new 1-km spatial resolution climate surfaces for global land areas // International Journal of Climatology. 2017. V. 37. № 12. P. 4302-4315.
  23. 23. Forman R.T.T., Godron M. Landscape Ecology. New York: John Wiley and Sons Ltd., 1986. P. 620.
  24. 24. Hansen M.C., Potapov P.V., Moore R., Hancher M., Turubanova S.A., Tyukavina A., Thau D., Stehman, S.V., Goetz S.J., Loveland T.R. High-Resolution Global Maps of 21st-Century Forest Cover Change // Science. 2013. V. 342. P. 850-853.
  25. 25. Hengl T. Soil pH in H2O at 6 standard depths (0, 10, 30, 60, 100 and 200 cm) at 250 m resolution. 2018.
  26. 26. Hengl T., Gupta S. Soil water content (volumetric%) for 33kPa and 1500kPa suctions predicted at 6 standard depths (0, 10, 30, 60, 100 and 200 cm) at 250 m resolution. 2019.
  27. 27. Hengl T., Wheeler I. Soil organic carbon content in x 5 g / kg at 6 standard depths (0, 10, 30, 60, 100 and 200 cm) at 250 m resolution. 2018.
  28. 28. Hutchinson G.E. Concluding Remarks // Cold Spring Harbor Symposia on Quantitative Biology. 1957. V. 22. P. 415-427.
  29. 29. Kotlov I., Chernenkova T., Belyaeva N. Urban forests of Moscow: typological diversity, succession status, and fragmentation assessment // Landscape Ecology. 2023. V. 38. № 12. P. 3767-3789.
  30. 30. Loreau M., Hector A. Partitioning selection and complementarity in biodiversity experiments // Nature. 2001. V. 412. № 6842. P. 72-76.
  31. 31. McBratney A.B., Mendonça Santos M.L., Minasny B. On digital soil mapping // Geoderma. 2003. V. 117. № 1. P. 3-52.
  32. 32. Mücher C.A., Klijn J.A., Wascher D.M., Schaminée J.H.J. A new European Landscape Classification (LANMAP): A transparent, flexible and user-oriented methodology to distinguish landscapes // Ecological Indicators. 2010. V. 10. № 1. P. 87-103.
  33. 33. Potapov P., Hansen M.C., Pickens A., Hernandez-Serna A., Tyukavina A., Turubanova S., Zalles V., Li X., Khan A., Stolle F., Harris N., Song X.-P., Baggett A., Kommareddy I., Kommareddy A. The Global 2000-2020 Land Cover and Land Use Change Dataset Derived From the Landsat Archive: First Results // Frontiers in Remote Sensing. 2022. V. 3.
  34. 34. Potere D., Schneider A., Angel Sh., Civco D.L. Mapping urban areas on a global scale: which of the eight maps now available is more accurate? // International Journal of Remote Sensing. 2009. V. 30. № 24. P. 6531-6558.
  35. 35. Rocchini D., Lenoir J. Remote sensing at the interface between ecology and climate sciences // Meteorological Applications. 2021. V. 28. № 5. P. 1-6.
  36. 36. Spiecker H. Silvicultural management in maintaining biodiversity and resistance of forests in Europe - temperate zone // Journal of environmental Management. 2003. V. 67. № 1. P. 55-65.
  37. 37. Tichý L. JUICE, software for vegetation classification // Journal of Vegetation Science. 2002. V. 13. № 3. P. 451-453.
  38. 38. Tronin A.A., Gornyy V.I., Kritsuk S.G., Latypov I. Sh. Nighttime lights as a quantitative indicator of anthropogenic load on ecosystems // Current Problems in Remote Sensing of the Earth from Space. 2014. V. 11. № 1. P. 237-244.
  39. 39. Wang Z., Shrestha R., Yao T., Kalb V. Black Marble User Guide (Version 1.2). 2021.
  40. 40. https://ladsweb.modaps.eosdis.nasa.gov/missions-and-measurements/viirs/VIIRS_Black_Marble_UG_v1.2_April_2021.pdf
  41. 41. Zhang X., Liu L., Chen X., Xie Sh., Gao Y. Fine Land-Cover Mapping in China Using Landsat Datacube and an Operational SPECLib-Based Approach // Remote Sensing. 2019. V. 11. № 9. P. 1056.
  42. 42. SRTM 90m Digital Elevation Database [Электронный ресурс] // CGIAR Platform for Big Data in Agriculture. URL: https://bigdata.cgiar.org/srtm90m-digital-elevation-database/
  43. 43. Top 10 Lists // World Resources Institute Research. 2024. URL: https://research.wri.org/gfr/top-ten-lists (дата обращения: 01.09.2024).
  44. 44. R Core Team // European Environment Agency. 2020. URL: https://www.eea.europa.eu/data-and-maps/indicators/oxygen-consuming-substances-in-rivers/r-development-core-team 2006 (дата обращения: 19.04.2024).
QR
Перевести

Индексирование

Scopus

Scopus

Scopus

Crossref

Scopus

Высшая аттестационная комиссия

При Министерстве образования и науки Российской Федерации

Scopus

Научная электронная библиотека