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

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

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.

Об авторах

Т. В. Черненькова

Институт географии РАН

Email: chernenkova50@mail.ru
Россия, пер. Старомонетный, д. 29, Москва, 119017

Н. Г. Беляева

Институт географии РАН

Email: chernenkova50@mail.ru
Россия, пер. Старомонетный, д. 29, Москва, 119017

И. П. Котлов

Институт проблем экологии и эволюции им. А. Н. Северцова

Email: chernenkova50@mail.ru
Россия, пр-кт Ленинский, д. 33, Москва, 119071

А. С. Новиков

Институт географии РАН

Автор, ответственный за переписку.
Email: chernenkova50@mail.ru
Россия, пер. Старомонетный, д. 29, Москва, 119017

Список литературы

  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. Грибова С.А., Исаченко Т.И., Лавренко Е.М. Растительность Европейской части СССР. Л.: Наука, 1980. 429 с.
  3. Игнатов М.С., Игнатова Е.А. Флора мхов средней части Европейской России. M.: KMK, 2003. Т. 1—2. 960 с.
  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. 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. 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. Осипов В.В., Гаврилова Н.К. Аграрное освоение и динамика лесистости Нечерноземной зоны РСФСР. М.: Наука, 1983.
  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. Тишков А.А. Актуальная биогеография как методологическая основа сохранения биоразнообразия // Вопросы географии. 2012. № 134. С. 15—57.
  10. Черепанов С.К. Сосудистые растения России и сопредельных государств. СПб., 1995. 990 с.
  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. 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. 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. 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. 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. 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. 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. Cushman S.A., McGarigal K., McKelvey K., Vojta C.D., Reagan C.M. Analysis for Habitat Monitoring // USFS Wildlife Habitat Technical Guide, 2013.
  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. Ellenberg H. Vegetation Ecology of Central Europe. Cambridge: Cambridge University Press, 1988.
  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. 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. Forman R.T.T., Godron M. Landscape Ecology. New York: John Wiley and Sons Ltd., 1986. P. 620.
  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. Hengl T. Soil pH in H2O at 6 standard depths (0, 10, 30, 60, 100 and 200 cm) at 250 m resolution. 2018.
  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. 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. Hutchinson G.E. Concluding Remarks // Cold Spring Harbor Symposia on Quantitative Biology. 1957. V. 22. P. 415—427.
  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. Loreau M., Hector A. Partitioning selection and complementarity in biodiversity experiments // Nature. 2001. V. 412. № 6842. P. 72—76.
  31. McBratney A.B., Mendonça Santos M.L., Minasny B. On digital soil mapping // Geoderma. 2003. V. 117. № 1. P. 3—52.
  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. 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. 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. Rocchini D., Lenoir J. Remote sensing at the interface between ecology and climate sciences // Meteorological Applications. 2021. V. 28. № 5. P. 1—6.
  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. Tichý L. JUICE, software for vegetation classification // Journal of Vegetation Science. 2002. V. 13. № 3. P. 451—453.
  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. Wang Z., Shrestha R., Yao T., Kalb V. Black Marble User Guide (Version 1.2). 2021. https://ladsweb.modaps.eosdis.nasa.gov/missions-and-measurements/viirs/VIIRS_Black_Marble_UG_v1.2_April_2021.pdf
  40. 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.
  41. SRTM 90m Digital Elevation Database [Электронный ресурс] // CGIAR Platform for Big Data in Agriculture. URL: https://bigdata.cgiar.org/srtm‑90m-digital-elevation-database/
  42. Top 10 Lists // World Resources Institute Research. 2024. URL: https://research.wri.org/gfr/top-ten-lists (дата обращения: 01.09.2024).
  43. 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).

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Российская академия наук, 2025

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».