Simulation based Ecological Risk Assessment of the Black Sea Ecosystem

Мұқаба

Дәйексөз келтіру

Толық мәтін

Ашық рұқсат Ашық рұқсат
Рұқсат жабық Рұқсат берілді
Рұқсат жабық Тек жазылушылар үшін

Аннотация

The article presents results of the conducted simulation research in ecological risk for three shelf areas of the Black Sea exposed to different combinations of the external stressors. Simulated risk calculations were performed for the aggregated phytoplankton taking into account the intra-annual variations in biomass values obtained from the observation data. The results revealed significant dependence of the ecological risk on the intra-annual state of phytoplankton, and also made it possible to calculate dependence of the acceptable probability of impacts on the ecological risk. The latter identified areas of probable errors of the second kind, which is of practical importance for ensuring ecological safety in the shelf resources development.

Толық мәтін

Рұқсат жабық

Авторлар туралы

N. Solovjova

Shirshov Institute of Oceanology of Russian Academy of Sciences

Хат алмасуға жауапты Автор.
Email: soloceanic@yandex.ru
Ресей, Moscow

I. Kovalyova

A.O. Kovalevsky Institute of Biology of the Southern Seas of Russian Academy of Sciences

Email: soloceanic@yandex.ru
Ресей, Sevastopol

Әдебиет тізімі

  1. Беляев В.И., Кондуфорова Н.В. Математическое моделирование экологических систем шельфа. Киев: Наукова Думка, 1990. 240 с.
  2. Вялышев А.И., Лисовский И.В., Большагин А.Ю. Возможные последствия чрезвычайных ситуаций, обусловленных разливами нефти и нефтепродуктов на морских акваториях // Технологии гражданской безопасности. 2012. Т. 9. № 1 (31). С. 62–69.
  3. Гвишиани А.Д., Лобковский Л.И., Соловьева Н.В. Перспективы синтеза моделей экологического риска и технологий больших данных для морских экосистем // Физика Земли. 2022. № 4. С. 101–112. https://doi.org/10.31857/S0002333722040044
  4. Данилов-Данильян В.И., Розенталь О.М. Методология достоверной оценки качества воды. IV. Вероятность удовлетворительного нормирования и контроля (статистический анализ, непараметрический подход) // Экология и промышленность России. 2023. Т. 27. № 1. С. 40–45. https://doi.org/10.18412/1816-0395-2023-1-40-45
  5. Данилов-Данильян В.И., Розенталь О.М. Стандарты и качество экологического регулирования // Стандарты и качество. 2012. № 4. С. 46–50.
  6. Демидов А.Б. Сезонная изменчивость и оценка годовых величин первичной продукции фитопланктона в Черном море // Океанология. 2008. Т. 48. № 5. С. 718–733.
  7. Ковалёва И.В., Суслин В.В. Сезонная динамика биомассы фитопланктона в различные годы в шельфовой зоне северной и северо-западной части Черного моря в трех районах // Материалы 20-й Международной конференции «Современные проблемы дистанционного зондирования Земли из космоса». Электронный сборник материалов конференции. Институт космических исследований Российской академии наук. Москва, 2022. С. 174. https://doi.org/10.21046/20DZZconf-2022a
  8. Миронов О.А., Миронов О.Г. Современные данные по загрязнению прибрежной акватории Азово-Черноморского региона России нефтяными углеводородами // Юг России: экология, развитие. 2020. Т. 15. № 3. С. 77–85. https://doi.org/10.18470/1992-1098-2020-3-77-85
  9. Патин С.А. Нефть и экология континентального шельфа: в 2-х т. 2-е изд. Т. 1: Морской нефтегазовый комплекс: состояние, перспективы, факторы воздействия. М.: Изд-во ВНИРО, 2017. 326 c.
  10. Селифонова Ж.П., Ясакова О.Н. Фитопланктон акваторий портовых городов северо-восточного шельфа Черного моря // Морской экологический журнал. 2012. Т. 11. № 4. С. 67–77. https://www.researchgate.net/publication/320866124
  11. Соловьева Н.В. Метод модельных оценок экологического риска для экосистем Арктического шельфа различной продуктивности // Океанология. 2021. Т. 61. № 2. С. 1–13. https://doi.org/10.31857/S0030157421020179
  12. Соловьева Н.В. Оценки экологического риска для шельфовых экосистем на основе моделирования // Экологическая безопасность прибрежной и шельфовой зон моря. 2020. № 3. С. 107–121. https://doi.org/10.22449/2413-5577-2020-3-107-121
  13. Стельмах Л.В. Закономерности сезонной изменчивости отношения между органическим углеродом и хлорофиллом а в нано- и микрофитопланктоне поверхностного слоя прибрежных вод Черного моря // Экологическая безопасность прибрежной и шельфовой зон и комплексное использование ресурсов шельфа. Сб. науч. Трудов. Севастополь. 2014. Вып. 28. С. 247–256.
  14. Ярмак Л.П., Суслов О.Н., Сущенко О.А., Яценко М.М. Оценка антропогенной напряженности экосистемы Черного моря на основе интегрального показателя экологической напряженности // Водное хозяйство России. 2008. № 5. С.72–83.
  15. Финенко З.З., Ковалева И.В., Суслин В.В. Новый подход к оценке биомассы фитопланктона и ее вариабельности в поверхностном слое Черного моря по спутниковым данным // Успехи современной биологии. 2018. Т. 138. № 2. С. 1–13. https://doi.org/10.7868/S0042132418030079
  16. Финенко З.З., Мансурова И.М., Суслин В.В. Временнáя динамика биомассы фитопланктона в поверхностном слое Черного моря по данным спутниковых наблюдений // Океанология. 2022. Т. 62. № 3. С. 416–427.
  17. Флейшман Б.С. Основы системологии. М.: Радио и связь, 1982. 368 с.
  18. Флинт М.В., Поярков С.Г. Комплексные исследования экосистемы Черного моря (100-й рейс научно-исследовательского судна «Профессор Штокман») // Океанология. 2010. Т. 50. № 2. С. 312–315.
  19. Astles K.L. Food for Thought: Linking risk factors to risk treatment in ecological risk assessment of marine biodiversity. // J. of Marine Science. 2014. 72. № 3. Р. 1116–1132. https://doi.org/10.1093/icesjms/fsu207
  20. Austen M.C., Crowe T.P., Elliott M. et al. Vectors of change in the marine environment: ecosystem and economic impacts and management implications // Estuarine. Coastal and Shelf Science. 2018. V. 201. Р. 1–6. https://doi.org/10.1016/j.ecss.2018.01.009
  21. Chen S.Q., Chen B., Fath B.D. Ecological risk assessment on the system scale: a review of state-of-the-art models future perspectives // Ecological Modelling. 2013. V. 250. Р. 25–33. https://doi.org/10.1016/j.ecolmodel.2012.10.015
  22. Elliott M., Borja A., Cormier R. Activity-footprints, pressures-footprints and effects-footprints — Walking the pathway to determining and managing human impacts in the sea // Marine Pollution Bulletin. 2020. V. 155. 111201. https://doi.org/10.1016/j.marpolbul.2020.111201
  23. Fath B.D., Asmus H., Asmus R. et al. Ecological network analysis metrics: The need for an entire ecosystem approach in management and policy // Ocean & Coastal Management. 2019. V. 174. P. 1–14. https://doi.org/10.1016/j.ocecoaman.2019.03.007
  24. Fleishman B.S. Stochastic theory of ecological interactions // Ecological Modelling. 1982. V. 17. № 2. Р. 65–73. https://doi.org/10.1016/0304-3800 (82)90043-6
  25. Fleishman B.S. Contribution to the theory of adaptation with application to ecology // Ecological Modelling. 1984. V. 26. № 1-2. Р. 21–31. https://doi.org/10.1016/0304-3800 (84)90090-5
  26. Fleishman B.S. Hyperbolic law of reliability and its logarithmic effects in ecolopgy // Ecological Modelling. 1991. V. 55. № 1-2. Р. 75–88. https://doi.org/10.1016/0304-3800 (91)90066-А
  27. Kopelevich O.V., Burenkov V., Sheberstov S. et al. Satellite monitoring of coccolithophore blooms in the Black Sea from ocean color data // Remote Sensing of Environment. 2014. V. 146. P. 113–123. https://doi.org/10.1016/j.rse.2013.09.009
  28. Mikaelyan A.S., Pautova L.A., Fedorov A.V. Seasonal evolution of deep phytoplankton assemblages in the Black Sea // Journal of Sea Research. 2021. V. 178. P. 102125. https://doi.org/10.1016/j.seares. 2021.102125
  29. Mikaelyan A.S., Kubryakov A.A., Silkin V.A. et al. Regional climate and patterns of phytoplankton annual succession in the open waters of the Black Sea // Deep Sea Res. I. 2018. V. 142. P. 44–57. https://doi.org/10.1016/j.dsr.2018.08.001
  30. NASA Goddard Space Flight Center, Ocean Ecology Laboratory, Ocean Biology Processing GrouP. Moderate-resolution Imaging Spectroradiometer (MODIS) Aqua Ocean Color Data; 2018. Reprocessing. NASA OB.DAAC, Greenbelt, MD, USA. https://doi.org/10.5067/AQUA/MODIS/L2/OC/2018. Accessed on 05/22/2019.
  31. NASA Goddard Space Flight Center, Ocean Ecology Laboratory, Ocean Biology Processing GrouP. Moderate-resolution Imaging Spectroradiometer (MODIS) Terra Ocean Color Data; 2018. Reprocessing. NASA OB.DAAC, Greenbelt, MD, USA. https://doi.org/10.5067/TERRA/MODIS/L2/OC/2018. Accessed on 05/22/2019.
  32. Oguz T., Deshpande A.G., Malanotte-Rizzoli P. The role of mesoscale processes controlling biological variability in the Black Sea coastal waters: inferences from SeaWIFS-derived surface chlorophyll field // Continental Shelf Research. 2002. V. 22. № 1. P. 1477–1492. https://doi.org/10.1016/S0278-4343 (02)00018-3
  33. Silkin V., Mikaelyan A.S, Pautova L., Fedorov A. Annual Dynamics of Phytoplankton in the Black Sea in Relation to Wind Exposure // Journal of Marine Science and Engineering. 2021. V. 9. № 12. 1435. https://doi.org/10.3390/jmse9121435
  34. Silkin V.A., Pautova L.A., Giordano M. et al. Drivers of phytoplankton blooms in the northeastern Black Sea // Marine Pollution Bulletin. V. 138. P. 274–284. https://doi.org/10.1016/j.marpolbul.2018.11.042
  35. Solovjova N.V. Risk assessment simulation for shelf ecosystems based on the ecoscreening and dynamic methods synthesis // Estuarine, Coastal and Shelf Science. 2020. V. 243. 106881. https://doi.org/10.1016/j.ecss.2020.106881
  36. Solovjova N.V. Ecological risk modelling in developing resources of ecosystems characterized by varying vulnerability levels // Ecological Modelling. 2019. № 406. P. 60–72. https://doi.org/10.1016/j.ecolmodel.2019.05.015
  37. Suslin V.V., Churilova T.Ya. Regional algorithm for separating light absorption by chlorophyll-a and colored detrital matter in the Black Sea, using 480–560 nm bands from ocean color scanners // Intern. J. Rem. Sens. 2016. V. 37. № 18. P. 4380–4400. https://doi.org/10.1080/01431161.2016.1211350
  38. Yunev O., Carstensen J., Stelmakh L. et al. Temporal changes of phytoplankton biomass in the western Black Sea shelf waters: evaluation by satellite data (1998–2018) // Estuarine, Coastal and Shelf Science. 2022. V. 271. P. 107865. https://doi.org/10.1016/j.ecss.2022.107865

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML
Жүктеу
2. Fig. 1. Areas of ecological risk calculation: Dnieper area of the north-western shelf (1), the area of the depth slope from 50 to 500 m (2), the area of the Caucasian and Crimean coasts (3)

Жүктеу (126KB)
Метадеректер
3. Fig. 2. Seasonal dynamics of phytoplankton biomass in different years in the shelf area of the Black Sea in three areas [7]

Жүктеу (241KB)
Метадеректер
4. Fig. 3. Annual variation of phytoplankton biomass according to the observations [7] in water area 1 (a) and model calculation of intra-annual variations of ecological risk (b)

Жүктеу (202KB)
Метадеректер
5. Fig. 4. Annual variation of phytoplankton biomass according to observations [7] in water area 2 (a) and model calculation of intra-annual variations of ecological risk (b)

Жүктеу (181KB)
Метадеректер
6. Fig. 5. Annual course of phytoplankton biomass according to observations [7] in water area 3 (a) and model calculation of intra-annual variations of ecological risk (b)

Жүктеу (194KB)
Метадеректер
7. Fig. 6. Model calculation of dependence of acceptable probability of exposure to stressors on ecological risk for water area 1

Жүктеу (143KB)
Метадеректер
8. Fig. 7. Model calculation of dependence of acceptable probability of exposure to stressors on ecological risk for water area 2

Жүктеу (147KB)
Метадеректер
9. Fig. 8. Model calculation of dependence of acceptable probability of exposure to stressors on ecological risk for water area 3

Жүктеу (148KB)
Метадеректер

© Russian Academy of Sciences, 2024

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».