ЛЕСОВЕДЕНИЕ, 2019, № 2, С. 83-92


ЗАВИСИМОСТЬ ЗАПАСОВ ДРЕВЕСИНЫ В ЛЕСАХ РОССИИ ОТ КЛИМАТИЧЕСКИХ ПАРАМЕТРОВ
В. И. Грабовский1, Д. Г. Замолодчиков1,2
1Центр по проблемам экологии и продуктивности лесов РАН
117810 Москва, ул. Профсоюзная, д. 84/32
E-mail wgrabo@mail.ru
2Московский государственный университет имени М.В. Ломоносова, биологический факультет
Россия, 119992, Москва, Ленинские горы, 1, стр. 12


Поступила в редакцию 1.10.2018 г.
Проведена оценка зависимостей средних запасов древесины в различных породно-возрастных группах лесов согласно данным Государственного лесного реестра (ГЛР) по состоянию на 01.02.2013 г. с климатическими параметрами, усредненными за 1981-2000 г., посредством регрессионного анализа. Анализ проводили по группам пород: все породы, хвойные, твердолиственные, мягколиственные, прочие, в дифференциации по группам возраста: все группы возраста, молодняки, средневозрастные и приспевающие, спелые и перестойные. Всего было получено 20 сочетаний групп пород и групп возраста, для каждой из которых проведен корреляционный и регрессионный анализ. В качестве независимых переменных использованы среднегодовая температура, разность среднемесячных температур июля и января и годовое количество осадков. Средние запасы положительно коррелируют со среднегодовыми температурами и влажностью и отрицательно – с величиной разности между средними температурами июля и января. Отчетливый тренд возрастания величины коэффициента корреляции средних запасов и среднегодовой температуры наблюдается в ряду групп пород прочие – хвойные – твердолиственные – мягколиственные. Для всех сочетаний групп пород и групп возраста получены уравнения множественной полиномиальной регрессии, включающие все возможные сочетания независимых переменных и их квадратичных эффектов. Самые высокие коэффициенты детерминации (R2>0.7) обнаруживаются у всех лесов, у твердолиственных пород, а также спелых и средневозрастных лесов всех пород и твердолиственных пород. Наименее предсказуемыми (R2<0.5) оказались леса прочих пород, а также молодняки всех групп пород. По найденным уравнениям регрессии можно прогнозировать изменения средних запасов как лесов в целом, так и по отдельным группам возраста и пород на фоне изменений климата.
Ключевые слова: государственный лесной реестр, запасы древесины, климатические характеристики, статистический анализ.
Исследование выполнено при финансовой поддержке проекта РНФ 16-17-00123 «Научные основы учета и прогноза бюджета угле рода лесов России в системе международных обязательств по охране атмосферы и климата».
DOI: 10.1134/S0024114819020025


СПИСОК ЛИТЕРАТУРЫ



  • Второй оценочный доклад Росгидромета об изменениях климата и их последствиях на территории Российской Федерации. М.: Росгидромет, 2014. 1009 c.

  • Грабовский В.И., Зукерт Н.В., Корзухин М.Д. Оценка индекса листовой поверхности для территории России по данным государственного лесного реестра // Лесоведение. 2015. № 4. С. 255–259.

  • Замолодчиков Д.Г., Грабовский В.И., Коровин Г.Н., Гитарский М.Л., Блинов В.Г., Дмитриев В.В., Курц В.А. Бюджет углерода управляемых лесов Российской Федерации в 1990-2050 гг.: ретроспективная оценка и прогноз // Метеорология и гидрология. 2013. № 10. С. 73-92.

  • Замолодчиков Д.Г., Грабовский В.И., Краев Г.Н. Динамика бюджета углерода лесов России за два последних десятилетия // Лесоведение. 2011. №. 6. С. 16-28.

  • Замолодчиков Д.Г., Грабовский В.И., Шуляк П.П., Честных О.В. Современное сокращение стока углерода в леса России // Доклады Академии наук. 2017. Т. 476. № 6. C. 719-721.

  • Замолодчиков Д.Г., Краев Г.Н. Влияние изменений климата на леса России: зафиксированные воздействия и прогнозные оценки // Устойчивое лесопользование. 2016. № 4 (48). С. 23-31.

  • Изменение климата, 2013 г. Физическая научная основа. Вклад Рабочей группы I в Пятый доклад об оценке Межправительственной группы экспертов по изменению климата. Резюме для политиков / Под ред. Т. Ф. Стокера и др., Кембридж: Кембридж Юниверсити Пресс, 2013. 28 с.

  • Кабаков Р.И. R в действии. Анализ и визуализация данных в программе R. М.: ДМК Пресс, 2014. 588 с.

  • Корзухин М.Д., Грабовский В.И. Оценка индекса листовой поверхности лесных ландшафтов России по данным государственного лесного реестра // Новые методы и результаты исследований ландшафтов в Европе, Центральной Азии и Сибири: в 5 т. М.: Изд-во ФГБНУ «ВНИИ агрохимии», 2018. Том 3. С 65-70.

  • Санников С.Н., Санникова Н.С., Петрова И.В. Очерки по теории лесной популяционной биологии. Екатеринбург: Изд-во УрО РАН, 2012. 273 с.

  • Усольцев В.А. Фитомасса лесов Северной Евразии: предельная продуктивность и география. Екатеринбург: Изд-во УРО РАН, 2003. 407 с.

  • Усольцев В.А. Биологическая продуктивность лесообразующих пород в климатических градиентах Евразии (к менеджменту биосферных функций лесов). Екатеринбург: Уральский гос. лесотех. университет, 2016. 384 с.

  • Усольцев В.А., Субботин К.С., Кох Е.В., Богословская О.А. Биологическая продуктивность сосновых лесов Евразии: исследование системных связей, обеспечивающих эффективность принятия решений в лесном секторе средствами IT–технологий. Екатеринбург: Уральский гос. лесотех. университет, 2015. 157 с.

  • Уткин А.И. Биологическая продуктивность лесов (методы изучения и результаты) // Итоги науки и техники. Лесоведение и лесоводство. М.: ВИНИТИ, 1975. Т. 1. С. 9-189.

  • Шабров Ф.А. Об использовании данных государственного лесного реестра при оценке продуктивности лесных охотничьих угодий для питания лося (Alces alces L.) // Вестник Костромского гос. университета им. Н.А. Некрасова. 2014. № 7. C. 79-81.

  • Caldwell M.M., Meister H.-P., Tenhunen J.D., Lange O.L. Canopy structure, light microclimate and leaf gas exchange of Quercus coccifera L. in a Portuguese macchia: measurements in different canopy layers and simulations with a canopy model // Trees. 1986. V. 1 (1). P. 25-41.

  • Dixon K. R., Luxmoore R.J., Begovich C.L. CERES – A model of forest stand biomass dynamics for predicting trace contaminant, nutrient, and water effects. I. Model description // Ecological Modelling. 1978. V. 5. P. 17-38.

  • Harper A.B., Powell T., Cox P.M., House J., Huntingford C., Lenton T.M., Sitch S., Burke E., Chadburn S.E., Collins W.J., Comyn-Platt E., Daioglou V., Doelman J.C., Hayman G., Robertson E., van Vuuren D., Wiltshire A., Webber C.P., Bastos A., Boysen L., Ciais P., Devaraju N., Jain A.K., Krause A., Poulter B., Shu S. Land-use emissions play a critical role in land-based mitigation for Paris climate targets // Nature communications. 2018. V 9. Article number 2938. P. 1-13.

  • Johnson K.G., Brooks S.J., Fenberg P.B., Glover A.G., James K.E., Lister A.M., Michel E., Spencer M., Todd J.A., Valsami-Jones E., Young J.R., Stewart J.R. Climate change and biosphere response: unlocking the collections vault // BioScience. 2011. V. 61. P 147-153.

  • Landsberg J.J., Waring R.H. A generalised model of forest productivity using simplified concepts of radiation-use efficiency, carbon balance and partitioning // Forest Ecology and management. 1997. V. 95. P 209-228.

  • Landsberg J.J.,Waring R.H., Coops N.C. Performance of the forest productivity model 3-PG applied to a wide range of forest types // Forest Ecology and Management. 2003. V. 172. P. 199–214.

  • Luyssaert S., Inglima I., Jung M., Richardson A.D., Reichstein M., Papale D., Piao S.L., Schulze E.D., Wingate L., Matteucci G., Aragao L.E.O.C., Aubinet M., Beers C., Bernhofer C., Black G.K., Bonal D., Bonnefond J.M., Chambers J., Ciais P., Cook B., Davis K.S., Dolman A.J., Gielen B., Goulden M., Grace J., Granier A., Grelle A., Griffis T., Grünwald T., Guidolotti G., Hanson P.J., Harding R., Hollinger D.Y., Hutyra L.R., Kolari P., Kruijt B., Kutsch W.L., Lagergren F., Laurila T., Law B., Le Maire G., Lindroth A., Loustau D., Malhi Y., Mateu J., Migliavacca M., Misson L., Montagnani L., Moncrieff J., Moors E.J., Munger J.W., Nikinmaa E., Ollinger S.V., Pita G., Rebmann C., Roupsard O. CO2 balance of boreal, temperate, and tropical forests derived from a global database // Global Change Biology. 2007. V. 13. P. 2509-2537 (doi: 10.1111/j.1365-2486.2007.01439.x).

  • Meyer G., Black T.A., Jassal R.S., Nesic Z., Grant N.J., Spittlehouse D.L., Fredeen A.L., Christen A., Coops N.C., Foord V.N., Bowler R. Measurements and simulations using the 3-PG model of the water balance and water use efficiency of a lodgepole pine stand following mountain pine beetle attack // Forest Ecology and Management. 2017. V. 393. P. 89-104.

  • Paterson S.S. The forest area of the world and its potential productivity. Göteborg: The Royal University, 1956. 216 p.

  • Rauscher H.M., Isebrands J.G., Host G.E., Dickson R.E., Dickmann D.I., Crow T.R., Michael D.A. ECOPHYS: An ecophysiological growth process model for juvenile poplar // Tree Physiology. 1990. V. 7. P. 255-281.

  • Taylor K.E., Stouffer R.J., Meehl G.A. An оverview of CMIP5 and the experiment design // Bulletin of the American Meteorological Society, 2012. V. 93. P. 485-498.

  • Walther G.R., Post E., Convey P., Menzel A., Parmesan C., Beebee T.J., Fromentin J.M., Hoegh-Guldberg O., Bairlein F. Ecological responses to recent climate change // Nature. 2002. V. 416. P. 389-395.

  • Weck J. Forstliche Zuwachs- und Ertragskunde. Radebeul und Berlin: Neumann Verlag, 1955. 160 S.

  • Xie Y., Wang H., Lei X. Application of the 3-PG model to predict growth of Larix olgensis plantations in northeastern China // Forest Ecology and Management. 2017. V. 406. P. 208-218.