Воронеж, Россия
Воронеж, Воронежская область, Россия
Воронеж, Россия
Воронежская область, Россия
УДК 630 Лесное хозяйство. Лесоводство
Чаще всего восстановление лесных ландшафтов в Российской Федерации проводят на землях первой группы (лесные земли, не покрытые лесом), реже – второй группы (нелесные земли лесного фонда). Облесение земель третей группы – земель, в настоящее время не относящихся к лесному фонду, но после проведения мероприятий по посадке леса и успешной их реализации, в будущем имеющие перспективы к переходу в земли лесного фонда – происходит локально. Проанализировали типовые проекты по лесоразведению и лесовосстановлению, изучили нормативно-правовые акты (Правила лесоразведения, Правила лесовосстановления), локальные распоряжения и постановления в области лесоразведения, таксационные описания лесотаксационных выделов, научные работы и рекомендации отечественных и зарубежных авторов в области лесовосстановления и лесоразведения, по проектированию технологий лесоразведения и лесовосстановления, влиянию почв на выбор машин, механизмов и технологии облесения. На основе анализа уточнили классификацию лесных земель для выбора технологии адаптивного восстановления. Обнаружили некоторые противоречия при классификации типов почвы, оказывающих непосредственное влияние на выбор технологии и технических средств, подтверждающих актуальность создания единой классификации, удобной при разработке проектов лесовосстановления или лесоразведения. Статистическую оценку степени влияния физико-механических свойств почвы, а также степени зависимости выбора технических средств и степени контролируемости свойств почвы (1 – слабая, 2 – умеренная, 3 – сильная) в процессе принятия решения по выбору технологии адаптивного восстановления лесных ландшафтов осуществляли с помощью иерархической кластеризации методом Дж. Варда-младшего с использованием меры Минковского, достаточно устойчивой к выбросам, на уровне значимости α = 0.05. С учетом проанализированных входных параметров сформировали базовый алгоритм функционирования FLR-системы, на основе которого будет разработано программное обеспечение для поддержки принятия управленческих решений при реализации проектов адаптивного восстановления лесных ландшафтов.
технологии восстановления лесных ландшафтов, адаптивное лесовосстановление, алгоритм, справочная система, технические средства, машины и механизмы
1. Новикова, Т. П. Разработка справочной информационной системы для адаптивного восстановления лесных ландшафтов (FLR-library) // НИР: грант № 23-26-00102. Российский научный фонд. 2023. https://www.elibrary.ru/item.asp?id=53916036
2. Novikova, T. P. The choice of a set of operations for forest landscape restoration technology / T. P. Novikova // Inventions. – 2022. – Vol. 7, No. 1. – DOI: https://doi.org/10.3390/inventions7010001.
3. Новикова, Т. П. Оценка качества лесосеменного материала на экспериментальном участке сосны обыкновенной (Pinus sylvestris L.) при адаптивном восстановлении лесных ландшафтов / Т. П. Новикова // Лесотехнический журнал. – 2023. – Т. 13, № 1(49). – С. 112-128. – DOIhttps://doi.org/10.34220/issn.2222-7962/2023.1/8. URL: https://www.elibrary.ru/rvwowr.
4. Новикова, Т. П. Справочная информационная система FLR-Library для адаптивного лесовосстановления: кластерный анализ дескрипторов / Т. П. Новикова, А. И. Новиков, Е. П. Петрищев // Лесотехнический журнал. – 2023. – Т. 13, № 3(51). – С. 164-179. – DOIhttps://doi.org/10.34220/issn.2222-7962/2023.3/12. URL: https://www.elibrary.ru/uzokyx.
5. Новикова, Т. П. Влияние изменения климата на управление лесовосстановлением / Т. П. Новикова, Т. В. Новикова, А. И. Новиков // Наука и инновации в современном мире : Материалы Национальной научно-практической конференции, Воронеж, 22 января 2024 года. – Воронеж: Воронежский государственный лесотехнический университет им. Г.Ф. Морозова, 2024. – С. 53-58. – DOIhttps://doi.org/10.58168/SIMW2024_53-58. URL: https://www.elibrary.ru/kokewa.
6. Ханина, Л.Г. Классификация типов лесорастительных условий по индикаторным видам Воробьева-Погребняка: база данных и опыт анализа лесотаксационных данных // Вопросы лесной науки, № 4. – 2019. DOIhttps://doi.org/10.31509/2658-607x-2019-2-4-1-28. URL: https://www.elibrary.ru/wymkha.
7. Экспресс-анализ семян в лесохозяйственном производстве: теоретические и технологические аспекты / М. В. Драпалюк [и др.]. – Воронеж, 2022. – 176 с. URL: https://www.elibrary.ru/item.asp?id=48309574.
8. Влияние индивидуальной массы семян сосны обыкновенной (Pinus sylvestris L.) сорта «Негорельская» на 30-дневное прорастание в 40-ячеистых SideSlit-контейнерах / С.В. Ребко [и др.] // Лесотехнический журнал. – 2023. – Vol. 13. – № 2 (50). – P. 59-86. – DOI: https://doi.org/10.34220/issn.2222-7962/2023.2/4.
9. Разработка алгоритма и модели функционирования информационной системы для малого сельскохозяйственного предприятия / Т. В. Новикова [и др.] // Моделирование систем и процессов. – 2020. – Т. 13, № 4. С. 53-58. – DOIhttps://doi.org/10.12737/2219-0767-2021-13-4-53-58. – URL: https://www.elibrary.ru/qdcyjv.
10. Novikov, A.I. The effect of seed coat color grading on height of one-year-old container-grown Scots pine seedlings planted on post-fire site / A. I. Novikov, V. Ivetic // IOP Conference Series: Earth and Environmental Science. 2019. – Vol. 226, – Article 012043. – DOIhttps://doi.org/10.1088/1755-1315/226/1/012043. – EDN XOPMBD.
11. Jančo, M., Danko, M., Sleziak, P., Holko, L. Estimation of the leaf area index in a decline spruce forest in the Western Tatra Mountains for determination of rainfall interception // Acta Hydrologica Slovaca, 2024; 25 (1): 106-114. DOI: https://doi.org/10.31577/ahs-2024-0025.01.0012.
12. Carbon emissions from selective logging in the southern Yucatan Peninsula, Mexico / S. Armenta-Montero, E.A. Ellis, P.W. Ellis et al. // Madera y Bosques. – 2020. – Vol. 26. – № 1. – DOI: https://doi.org/10.21829/myb.2020.2611891.
13. Elias, B.C.H. The application of gap planting technology to rehabilitate degraded natural forest / Elias, B.C.H. Simangunsong // IOP Conference Series: Earth and Environmental Science. – 2023. – Vol. 1220. – № 1. – P. 012029. – DOI: https://doi.org/10.1088/1755-1315/1220/1/012029.
14. Патент 2714705 Российская Федерация, МПК A 01 G 23/00. Способ восстановления леса / Заявитель и патентообладатель Воронеж. гос. лесотехн. ун-т. – № 2019115418 ; заявл. 20.05.2019 ; опубл. 19.02.2020, Бюл. №5. Режим доступа: https://elibrary.ru/gzdlvj.
15. Тенденции развития операционной технологии аэросева беспилотными летательными аппаратами в лесовосстановительном производстве / С.В. Соколов [и др.] // Лесотехнический журнал. – 2017. – Т. 7. – № 4. – С. 190-205. – DOI: https://doi.org/10.12737/article_5a3d040dc79c79.94513194.
16. Novikov, A.I. Aerial seeding of forests in Russia: A selected literature analysis / A.I. Novikov, B.T. Ersson // IOP Conference Series: Earth and Environmental Science. – 2019. – Vol. 226. – № 1. – Article 012051. – DOI: https://doi.org/10.1088/1755-1315/226/1/012051.
17. UAV-Supported Forest Regeneration: Current Trends, Challenges and Implications / M. Mohan, G. Richardson, G. Gopan et al. // Remote Sensing. – 2021. – Vol. 13. – № 13. – Art. 2596. – DOI: https://doi.org/10.3390/rs13132596.
18. Новые оптоэлектронные системы экспресс-анализа семян в лесохозяйственном производстве / С. В. Соколов [и др.] // Лесотехнический журнал. 2019; 9 (2): 5-13. DOI: https://doi.org/10.34220/issn.2222-7962/2019.2/1. URL: https://www.elibrary.ru/CNXAWZ.
19. Performance of Scots pine seedlings from seeds graded by colour / V. A. Zelikov [et al.] // Forests. 2019; 10 (12): 1064. DOIhttps://doi.org/10.3390/F10121064.
20. How to Increase the Analog-to-Digital Converter Speed in Optoelectronic Systems of the Seed Quality Rapid Analyzer / S. V. Sokolov, V. V. Kamensky [et al.] // Inventions. – 2019. – Vol. 4, No. 4. – P. 61. – DOI https://doi.org/10.3390/inventions4040061. URL: https://elibrary.ru/dkxphx.
21. The Effect of Motion Time of a Scots Pine Single Seed on Mobile Optoelectronic Grader Efficiency: A Mathematical Patterning / M.V. Drapalyuk, O.R. Dornyak [et al.] // Inventions. – 2019. – Vol. 4. – № 4. – P. 55. – DOI: https://doi.org/10.3390/inventions4040055.
22. Анализ операционных механизированных технологий сепарации семян при искусственном лесовосстановлении / М. В. Драпалюк [и др.] // Лесотехнический журнал. – 2018. – Т. 8, № 4(32). – С. 207-220. – DOIhttps://doi.org/10.12737/article_5c1a3237290288.22345283. – EDN AKVBNM.
23. Mechanization of coniferous seeds grading in Russia: a selected literature analysis / B.T. Ersson, V.V. Malyshev et al. // IOP Conference Series: Earth and Environmental Science. – 2020. – Vol. 595. – P. 012060. – DOI: https://doi.org/10.1088/1755-1315/595/1/012060.
24. Detection of Scots pine single seed in optoelectronic system of mobile grader: mathematical modeling / M. Tigabu [et al.] // Forests. – 2021. – Vol. 12. – № 2. – P. 240. – DOI: https://doi.org/10.3390/f12020240.
25. Deep-Learning Approach for Fusarium Head Blight Detection in Wheat Seeds Using Low-Cost Imaging Technology / R.C. Bernardes, A. De Medeiros, L. da Silva et al. // Agriculture. – 2022. – Vol. 12. – № 11. – P. 1801. – DOI: https://doi.org/10.3390/agriculture12111801.
26. How Can the Engineering Parameters of the NIR Grader Affect the Efficiency of Seed Grading? / P. Tylek et al. // Agriculture. – 2022. – Vol. 12. – № 12. – P. 2125. – DOI: https://doi.org/10.3390/agriculture12122125.
27. The Root Collar Diameter Growth Reveals a Strong Relationship with the Height Growth of Juvenile Scots Pine Trees from Seeds Differentiated by Spectrometric Feature / P. Tylek, C.B. Mastrangelo et al. // Forests. – 2023. – Vol. 14. – № 6. – P. 1164. – DOI: https://doi.org/10.3390/f14061164.
28. Scots pine seedlings growth dynamics data reveals properties for the future proof of seed coat color grading conjecture / V. Ivetić [et al.] // Data. – 2019. – Vol. 4, No. 3. – P. 106. – DOIhttps://doi.org/10.3390/data4030106. – URL: https://www.elibrary.ru/PAJOVZ.
29. The role of forest reproductive material quality in forest restoration / V. Ivetić [et al.] // Forestry Engineering Journal. – 2019. – Vol. 9. – № 2. – P. 56-65. – DOI: https://doi.org/10.34220/issn.2222-7962/2019.2/7.
30. Новиков, А. И. Совершенствование технологии получения высококачественного лесосеменного материала : 05.21.01 : автореф. дис. … д-ра техн. наук. – Воронеж, 2021. – 32 с. – URL: https://www.elibrary.ru/qgemiu.
31. Прияткин, Н. С. Неинвазивная экспресс-оценка разнокачественности и хозяйственной пригодности семенного материала на основе использования инструментальных физических методов : дис. … д-ра биол. наук. – СПб, 2024. – 253 с. – URL: https://www.elibrary.ru/aseotz.
32. Coat Colour Grading of the Scots Pine Seeds Collected from Faraway Provenances Reveals a Different Germination Effect / I. V. Bacherikov, D. E. Raupova, A. S. Durova [et al.] // Seeds. – 2022. – Vol. 1, No. 1. – P. 49-73. – DOIhttps://doi.org/10.3390/seeds1010006. – EDN JRLACA.
33. Adaptive measures: integrating adaptive forest management and forest landscape restoration / P. Spathelf, J. Stanturf, M. Kleine et al. // Annals of Forest Science. – 2018. – Vol. 75. – № 2. – P. 55. – DOI: https://doi.org/10.1007/s13595-018-0736-4.
34. Climate warming-induced replacement of mesic beech by thermophilic oak forests will reduce the carbon storage potential in aboveground biomass and soil / J. Kasper, R. Weigel, H. Walentowski et al. // Annals of Forest Science. – 2021. – Vol. 78. – № 4. – P. 89. – DOI: https://doi.org/10.1007/s13595-021-01081-0.
35. Adaptive silviculture for climate change in the Great Lakes- St. Lawrence Forest Region of Canada: Background and design of a long-term experiment / N. Thiffault, J. Fera, M.K. Hoepting et al. // The Forestry Chronicle. – 2024. – Vol. 100. – № 2. – P. 155-164. – DOI: https://doi.org/10.5558/tfc2024-016.
36. Roitberg, B. Tree adaptive growth (TAG) model: a life-history theory-based analytical model for post-thinning forest stand dynamics / B. Roitberg, C. Li, R. Lalonde // Frontiers in Plant Science. – 2024. – Т. 15. – № February. – С. 1-14. – DOI: https://doi.org/10.3389/fpls.2024.1344883.
37. Pardos, M. Adaptive Strategies of Seedlings of Four Mediterranean Co-Occurring Tree Species in Response to Light and Moderate Drought: A Nursery Approach / M. Pardos, R. Calama // Forests. – 2022. – Vol. 13. – № 2. – P. 154. – DOI: https://doi.org/10.3390/f13020154.
38. Opportunities and limitations of thinning to increase resistance and resilience of trees and forests to global change / G. Moreau, C. Chagnon, A. Achim et al. // Forestry: An International Journal of Forest Research. – 2022. – № 95. – P. 595-615. – DOI: https://doi.org/10.1093/forestry/cpac010.
39. Prokhorova, N. To the question of improving the methods of adaptive forest management / N. Prokhorova, Z. Govedar // Forestry Engineering Journal. – 2021. – Vol. 11. – № 2. – P. 59-68. – DOI: https://doi.org/10.34220/issn.2222-7962/2021.2/6.
40. Multi-actor perspectives on afforestation and reforestation strategies in Central Europe under climate change / R. Hazarika, A. Bolte, D. Bednarova et al. // Annals of Forest Science. – 2021. – Vol. 78. – № 3. – P. 60. – DOI: https://doi.org/10.1007/s13595-021-01044-5.
41. Forest adaptation and restoration under global change / A. Bolte, S. Mansourian, P. Madsen и др. // Annals of Forest Science. – 2023. – Т. 80. – № 1. – С. 6-9. – DOI: https://doi.org/10.1186/s13595-022-01172-6. – Режим доступа: https://doi.org/10.1186/s13595-022-01172-6.
42. Desired REgeneration through Assisted Migration (DREAM): Implementing a research framework for climate-adaptive silviculture / A.A. Royo, P. Raymond, C.C. Kern et al. // Forest Ecology and Management. – 2023. – Vol. 546. – № October. – P. 121298. – DOI: https://doi.org/10.1016/j.foreco.2023.121298.
43. Peterson St-Laurent, G., Hagerman, S. & Kozak, R. What risks matter? Public views about assisted migration and other climate-adaptive reforestation strategies. Climatic Change 151, Pp. 573–587, (2018). https://doi.org/10.1007/s10584-018-2310-3.
44. Muller, J.J. Forest adaptation strategies aimed at climate change: Assessing the performance of future climate-adapted tree species in a northern Minnesota pine ecosystem / J.J. Muller, L.M. Nagel, B.J. Palik // Forest Ecology and Management. – 2019. – Vol. 451. – P. 117539. – DOI: https://doi.org/10.1016/j.foreco.2019.117539.
45. Рекомендации по проектированию и технологиям лесоразведения в защитных лесах малолесной зоны европейской части России при облесении песков и овражно-балочных склонов : Методические рекомендации / Н. Е. Проказин, С. А. Родин, В. И. Казаков [и др.] ; Всероссийский научно-исследовательский институт лесоводства и механизации лесного хозяйства (ФБУ ВНИИЛМ). – Пушкино : Всероссийский научно-исследовательский институт лесоводства и механизации лесного хозяйства, 2021. – 68 с. – Режим доступа: https://www.elibrary.ru/yraino.
46. Simulating Growth and Competition on Wet and Waterlogged Soils in a Forest Landscape Model / E.J. Gustafson, B.R. Miranda, A.Z. Shvidenko, B.R. Sturtevant // Frontiers in Ecology and Evolution. – 2020. – Vol. 8. – № December. – P. 1-19. – DOI: https://doi.org/10.3389/fevo.2020.598775.
47. Revisiting the Functional Zoning Concept under Climate Change to Expand the Portfolio of Adaptation Options / S. Royer-Tardif, J. Bauhus, F. Doyon et al. // Forests. – 2021. – Vol. 12. – № 3. – P. 273. – DOI: https://doi.org/10.3390/f12030273.
48. Monitoring and control of forest seedling quality in Europe / M. Mataruga, B. Cvjetković, B. De Cuyper et al. // Forest Ecology and Management. – 2023. – Vol. 546. – № August. – P. 121308. – DOI: https://doi.org/10.1016/j.foreco.2023.121308.
